IRF1激活及靶基因诱导驱动全反式维甲酸在急性早幼粒细胞白血病中的疗效并可能作为癌症治疗预测指标
源站描述显示,研究通过时间序列转录组分析识别全反式维甲酸(ATRA)早期转录响应中的关键调控因子,并结合ChIP-seq和功能实验评估IRF1的作用,以探究ATRA抗肿瘤作用的分子基础

基本信息
资源简介
IRF1激活及靶基因诱导驱动全反式维甲酸在急性早幼粒细胞白血病中的疗效并可能作为癌症治疗预测指标
IRF1 activation and target gene induction drive all-trans retinoic acid efficacy in acute promyelocytic leukemia with potential as a predictive indicator for cancer treatment
该数据集来自NCBI,包含1个文件(GSE292653_series_matrix.txt.gz),主题为肿瘤/白血病。源站描述显示,研究通过时间序列转录组分析识别全反式维甲酸(ATRA)早期转录响应中的关键调控因子,并结合ChIP-seq和功能实验评估IRF1的作用,以探究ATRA抗肿瘤作用的分子基础。数据可用于研究ATRA在急性早幼粒细胞白血病中的疗效机制及作为癌症治疗预测指标的潜力(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 22 202。
【数据内容】
源站描述(机器翻译,仅供参考):全反式维甲酸(ATRA)在多种癌症中展现出显著的治疗潜力,最突出的是通过促进分化成功治疗急性早幼粒细胞白血病(APL)。除分化外,ATRA还能在造血和非造血恶性肿瘤中诱导细胞周期阻滞、生长抑制和免疫调节。尽管具有这些多方面效应,驱动ATRA疗效的机制仍不完全清楚,这阻碍了其应用于其他癌症。为了研究ATRA抗肿瘤作用的分子基础,我们进行了详细的时间序列转录组分析,以识别参与ATRA早期转录响应的关键调控因子。此外,染色质免疫沉淀测序(ChIP-seq)和功能实验评估了关键调控因子IRF1的作用,以确定它如何驱动ATRA
【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:GPL16791、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=GSE292653
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=GSE292653
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
全反式维甲酸(ATRA)在多种癌症中展现出显著的治疗潜力,最突出的是其通过促进分化成功治疗急性早幼粒细胞白血病(APL)。除诱导分化外,ATRA还能在造血性和非造血性恶性肿瘤中诱导细胞周期阻滞、生长抑制和免疫调节。尽管具有这些多方面的作用,驱动ATRA疗效的机制仍未被完全阐明,这阻碍了其应用于其他癌症。为探究ATRA抗肿瘤作用的分子基础,我们进行了详细的时间序列转录组分析,以鉴定参与ATRA早期转录反应的关键调控因子。此外,通过染色质免疫沉淀测序(ChIP-seq)和功能实验评估了关键调控因子IRF1的作用,以确定其如何驱动ATRA的疗效。
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。




