急性髓系白血病谱系追踪揭示低甲基化药物对化疗耐药选择的影响
源站描述显示,研究通过体外谱系追踪结合外显子组、转录组和体内功能读出,评估急性髓系白血病(AML)群体动态及化疗耐药相关分子决定因素,发现标准化疗联合低剂量 DNA 甲基转移酶抑制剂(DNMTi)可防止耐药复发,机制上 DNMTi 抑制具有干性的预定耐药克隆扩增,转而促进罕见且不适应的化疗敏感克隆扩

基本信息
资源简介
急性髓系白血病谱系追踪揭示低甲基化药物对化疗耐药选择的影响
Lineage tracing of acute myeloid leukemia reveals the impact of hypomethylating agents on chemoresistance selection
该数据集来自 NCBI GEO(GSE134506),包含 1 个文件 GSE134506_series_matrix.txt.gz,主题为肿瘤/白血病,采用高通量测序进行表达谱分析(GPL11154,9606)。源站描述显示,研究通过体外谱系追踪结合外显子组、转录组和体内功能读出,评估急性髓系白血病(AML)群体动态及化疗耐药相关分子决定因素,发现标准化疗联合低剂量 DNA 甲基转移酶抑制剂(DNMTi)可防止耐药复发,机制上 DNMTi 抑制具有干性的预定耐药克隆扩增,转而促进罕见且不适应的化疗敏感克隆扩增。数据可用于 AML 化疗耐药选择与表观遗传干预相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 18 201。
【数据内容】
源站描述(机器翻译,仅供参考):化疗耐药的癌症复发是死亡的主要原因。在急性髓系白血病(AML)中,化疗难治性复发源于白血病细胞中遗传、表观遗传和转录状态改变之间的复杂相互作用。我们开发了一个实验模型系统,使用体外谱系追踪结合外显子组、转录组和体内功能读出,以评估 AML 群体动态以及支撑化疗耐药发展的相关分子决定因素。我们发现,将标准化疗方案与低剂量 DNA 甲基转移酶抑制剂(DNMTi,低甲基化药物)联合使用可防止化疗耐药复发。机制上,DNMTi 抑制了一组预先确定的具有干性特性的化疗耐药 AML 克隆的生长,反而有利于罕见的、不适应环境的化疗敏感克隆的扩增。重要的是,我们确认
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL11154、9606。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE134506
【使用注意】
· 源站最后修改于 Nov 12 201,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE134506
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
化疗耐药性癌症复发是导致死亡的主要原因。在急性髓系白血病(AML)中,化疗难治性复发源于白血病细胞中遗传、表观遗传和转录状态改变的复杂相互作用。我们开发了一个实验模型系统,利用体外谱系追踪结合外显子组、转录组和体内功能读数,以评估AML群体动态及支撑化疗耐药性发展的相关分子决定因素。我们发现,将标准化疗方案与低剂量DNA甲基转移酶抑制剂(DNMTi,去甲基化药物)联合使用可预防化疗耐药性复发。在机制上,DNMTi抑制了一组预先确定的具有干性特性的化疗耐药AML克隆的扩增,反而促进了较为罕见且适应性较差的化疗敏感克隆的扩增。重要的是,我们在异种移植模型和原代AML患者样本中均证实了DNMTi联合用药能够抑制干性依赖性化疗耐药性的发展。
总之,这些结果支持DNMTi联合治疗具有规避化疗耐药性AML复发发展的潜力。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




