venetoclax耐药MV4-11急性髓系白血病细胞转录组图谱
数据可用于识别耐药模型共享的上调基因、蛋白互作网络及MAPK/ERK信号通路富集,并支持MEK抑制剂selumetinib敏感性相关分析(来源 NCBI)

基本信息
资源简介
venetoclax耐药MV4-11急性髓系白血病细胞转录组图谱
Transcriptomic profiling of venetoclax-resistant MV4-11 acute myeloid leukemia cells
该数据集为venetoclax耐药MV4-11急性髓系白血病细胞的转录组测序数据,包含亲本与耐药细胞(MV4-11 ABT199/R3)的RNA sequencing结果,并与公开的midostaurin耐药(GSE61786)和sorafenib耐药(GSE74666)数据集比较。数据可用于识别耐药模型共享的上调基因、蛋白互作网络及MAPK/ERK信号通路富集,并支持MEK抑制剂selumetinib敏感性相关分析(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):获得性耐药严重限制了急性髓系白血病(AML)的持久缓解。为确定对机制不同的药物耐药的AML细胞是否共享共同的生存依赖,我们构建了FLT3-ITD阳性MV4-11细胞系的venetoclax耐药衍生物(MV4-11 ABT199/R3),并对亲本细胞和耐药细胞进行了RNA sequencing。这些数据与公开可用的MV4-11 midostaurin耐药(GSE61786)和sorafenib耐药(GSE74666)数据集进行了比较。在耐药模型间共享的上调基因形成了一个连贯的蛋白质-蛋白质相互作用网络,包含10个枢纽基因(TLR4、PECAM1、CYBB、CXCL8、CASP8、ICAM1、CD33、CCL5、CD36、JUN),并富集于MAPK/ERK信号通路,尤其是ERK1/2激活。venetoclax耐药细胞比亲本细胞对MEK抑制剂selumetinib更敏感,后者诱导G0/G1期阻滞,并且
【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:GPL24676、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=GSE349945
【使用注意】
· 源站最后修改于 Nov 06 202,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=GSE349945
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
获得性耐药严重限制了急性髓系白血病(AML)的持久缓解。为确定对机制不同的药物耐药的AML细胞是否共享共同的生存依赖,我们构建了FLT3-ITD阳性MV4-11细胞系的维奈克拉耐药衍生株(MV4-11 ABT199/R3),并对亲本细胞和耐药细胞进行了RNA测序。这些数据与公开可用的MV4-11米哚妥林耐药(GSE61786)和索拉非尼耐药(GSE74666)数据集进行了比较。在各耐药模型中共同上调的基因形成了一个紧密的蛋白质-蛋白质相互作用网络,包含10个枢纽基因(TLR4、PECAM1、CYBB、CXCL8、CASP8、ICAM1、CD33、CCL5、CD36、JUN),并富集于MAPK/ERK信号通路,尤其是ERK1/2活化。维奈克拉耐药细胞对MEK抑制剂司美替尼比亲本细胞更敏感,后者诱导G0/G1期阻滞,且MEK与mTOR联合抑制具有协同作用。这些数据表明,耐药的MV4-11细胞汇聚于一个ERK依赖性生存程序,该程序可能成为基于MEK的联合治疗的靶点。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




