PRJNA149421:芬维A胺处理的人急性髓系白血病起始细胞
该数据集来自 NCBI,对人急性髓系白血病(AML)CD34+ 细胞在 5 μM 芬维A胺处理下进行转录谱分析,覆盖 6h 和 12h 两个时间点,对应 AML CD34+ 细胞对芬维A胺应答的凋亡诱导时间窗

基本信息
资源简介
PRJNA149421:芬维A胺处理的人急性髓系白血病起始细胞
该数据集来自 NCBI,对人急性髓系白血病(AML)CD34+ 细胞在 5 μM 芬维A胺处理下进行转录谱分析,覆盖 6h 和 12h 两个时间点,对应 AML CD34+ 细胞对芬维A胺应答的凋亡诱导时间窗。研究通过 cDNA 微阵列比较未处理与处理组基因表达,涉及应激反应、NF-kappaB 抑制和 p53 抑制等信号通路(p<0.05)。数据可用于分析芬维A胺对 AML 起始细胞的转录影响及相关通路变化(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):对人急性髓系白血病(AML)CD34+ 细胞经 5 μM 芬维A胺处理后的转录谱分析。纳入的两个时间点为 6h、12h,覆盖 AML CD34+ 细胞对芬维A胺治疗应答的凋亡诱导时间窗。我们通过 cDNA 微阵列分析研究了有或无 5 μM 芬维A胺处理的人 AML CD34+ 细胞中的基因表达系列。涉及若干信号转导通路,包括应激反应、NF-kappaB 抑制和 p53 抑制(p<0.05)。这些发现表明芬维A胺可能代表靶向 AML 起始细胞的有前景候选物。总体设计:6 条件实验,未处理 AML CD34+ 细胞 vs. 芬维A胺处理的 AML CD34+ 细胞,包括 2 个时间点,每个时间点包括未处理和 5 μM 芬维A胺处理,独立培养和收获。未处理用于抵消背景。
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA149421
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/bioproject/PRJNA149421
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
经5 μM芬维A胺处理的人急性髓系白血病(AML)CD34+细胞的转录谱分析。纳入的两个时间点分别为6小时和12小时,涵盖AML CD34+细胞对芬维A胺治疗产生应答的凋亡诱导时间窗。我们通过cDNA微阵列分析研究了经或未经5 μM芬维A胺处理的人AML CD34+细胞中的基因表达系列。涉及多条信号转导通路,包括应激反应、NF-kappaB抑制和p53抑制(p<0.05)。这些发现表明,芬维A胺可能成为靶向AML起始细胞的有前景的候选药物。总体设计:6种条件实验,未处理AML CD34+细胞对比芬维A胺处理的AML CD34+细胞,包括2个时间点,每个时间点均设未处理组和5 μM芬维A胺处理组,独立培养并收集。未处理组用于抵消背景。
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。




