PRJNA683601:Hep3B细胞中TAp73异位表达的表达数据集
该数据集来自NCBI,属于肿瘤/肝癌分类,主题为转录组或基因表达。源站描述显示研究聚焦肝细胞去分化与肝细胞癌(HCC)机制,探讨p73在HCC肿瘤中的表达及转录活跃型p73(TAp73)在HCC细胞中的效应

基本信息
资源简介
PRJNA683601:Hep3B细胞中TAp73异位表达的表达数据集
该数据集来自NCBI,属于肿瘤/肝癌分类,主题为转录组或基因表达。源站描述显示研究聚焦肝细胞去分化与肝细胞癌(HCC)机制,探讨p73在HCC肿瘤中的表达及转录活跃型p73(TAp73)在HCC细胞中的效应。研究利用泛基因组54K微阵列测定全局基因表达谱,并通过基因集富集分析识别TAp73调控的基因集,同时在单层细胞培养、3D肿瘤球和斑马鱼异种移植模型中分析TAp73效应。数据可用于肝癌中TAp73调控基因集与表达谱相关研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):肝细胞去分化是肝细胞癌(HCC)的主要来源,但其机制尚不清楚。我们探索了p73在HCC肿瘤中的表达,并研究了转录活跃型p73(TAp73)在HCC细胞中的作用。p73的表达谱和患者临床数据分别从Genomic Data Commons(GDC)数据门户和TSVdb数据库收集。全局基因表达谱通过泛基因组54K微阵列测定。基因集富集分析用于识别TAp73调控的基因集。使用蛋白质印迹、流式细胞术、荧光成像、实时聚合酶链反应(RT-PCR)、免疫组织化学和形态学检查,在单层细胞培养、3D肿瘤球和斑马鱼异种移植模型中分析TAp73的效应。TAp73在HCC中显著上调,其高表达表明预后不良
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA683601
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/PRJNA683601
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
肝细胞去分化是肝细胞癌(HCC)的主要来源之一,但其机制尚不清楚。我们探究了HCC肿瘤中p73的表达,并研究了转录活跃型p73(TAp73)在HCC细胞中的作用。p73的表达谱和患者临床数据分别从基因组数据共享(GDC)数据门户和TSVdb数据库收集。全局基因表达谱通过泛基因组54K微阵列确定。基因集富集分析用于识别TAp73调控的基因集。在单层细胞培养、3D肿瘤球和斑马鱼异种移植模型中,通过蛋白质印迹、流式细胞术、荧光成像、实时聚合酶链反应(RT-PCR)、免疫组化和形态学检查分析了TAp73的作用。TAp73在HCC中显著上调,其高表达提示患者生存率低。TAp73的诱导表达引起了包括参与生长信号、细胞周期、应激反应、免疫、代谢和发育的基因在内的广泛表达变化。
过表达TAp73的HCC细胞失去了肝细胞谱系生物标志物,包括ALB、CYP3A4、AFP、HNF4α。相反,TAp73上调了促进胆管细胞谱系的基因,如YAP、JAG1和ZO-1,并伴随转移能力增强。我们的发现强烈表明,TAp73是HCC细胞恶性去分化的主要促进因子。肝细胞癌(HCC)是一种高度复杂且异质性的癌症类型。肝细胞去分化是HCC发展的重要步骤之一。然而,其分子机制尚不十分清楚。在本研究中,我们报道TAp73——p73的主要转录活性形式——在HCC中过表达。在机制上,TAp73抑制肝细胞标志物的表达,包括CYP3A4、AFP、ALB、HNF4a,同时增加HCC细胞系中几种胆管细胞标志物的表达。总之
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。




