GSE279930:STAU1在A549肺腺癌细胞中展现致癌特征并调控可变剪接与基因表达
该数据集来自NCBI GEO,聚焦STAU1在A549肺腺癌细胞中的功能与分子机制。研究构建STAU1敲低模型,发现敲低抑制A549细胞增殖、侵袭和迁移并促进凋亡;RNA-seq分析鉴定出197个差异表达基因和1362个STAU1调控的可变剪接事件,差异基因富集于细胞黏附通路,可变剪接基因主要与细胞

基本信息
资源简介
GSE279930:STAU1在A549肺腺癌细胞中展现致癌特征并调控可变剪接与基因表达
STAU1 exhibits oncogenic characteristics and modulates alternative splicing and gene expression in A549 lung adenocarcinoma cells
该数据集来自NCBI GEO,聚焦STAU1在A549肺腺癌细胞中的功能与分子机制。研究构建STAU1敲低模型,发现敲低抑制A549细胞增殖、侵袭和迁移并促进凋亡;RNA-seq分析鉴定出197个差异表达基因和1362个STAU1调控的可变剪接事件,差异基因富集于细胞黏附通路,可变剪接基因主要与细胞分裂和细胞周期相关。数据可用于肺癌中RNA结合蛋白功能、可变剪接调控及致癌机制研究(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):Staufen双链RNA结合蛋白1(STAU1)在癌症发展中发挥重要作用,并与肺癌患者的生存结局相关。然而,其在肺腺癌(LUAD)中的具体功能和分子机制仍研究不足。在我们的研究中,我们在A549细胞系中建立了STAU1敲低表达模型。我们发现,STAU1的敲低显著抑制了A549细胞的增殖、侵袭和迁移,并提高了细胞凋亡水平。通过RNA-seq分析,我们鉴定出197个差异表达基因(DEGs)和1,362个STAU1调控的可变剪接事件(ASEs)。DEGs特异性富集于细胞黏附通路,而ASE基因主要与细胞分裂和细胞周期相关。我们的研究表明,STAU1具有致癌特征
【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:GPL34284、9606。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE279930
【使用注意】
· 源站最后修改于 May 29 202,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=GSE279930
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
Staufen双链RNA结合蛋白1(STAU1)在癌症发展中发挥重要作用,并与肺癌患者的生存结局相关。然而,其在肺腺癌(LUAD)中的具体功能和分子机制仍研究不足。在本研究中,我们在A549细胞系中建立了STAU1敲低表达模型。我们发现,STAU1敲低显著抑制了A549细胞的增殖、侵袭和迁移,并提高了细胞凋亡水平。通过RNA-seq分析,我们鉴定出197个差异表达基因(DEGs)和1,362个STAU1调控的可变剪接事件(ASEs)。DEGs特异性富集于细胞黏附通路,而ASE基因主要与细胞分裂和细胞周期相关。我们的研究表明,STAU1具有致癌特征,并可能通过调控DEGs和ASEs来影响A549细胞的增殖、侵袭和迁移。本研究提供了可能有助于LUAD诊断和治疗的新见解。
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。




