PRMT5i (MRTX1719) 对胶质母细胞瘤细胞系 (A172) 的影响
数据可用于研究 MTA 协同型 PRMT5 抑制剂在 CDKN2A/MTAP 共缺失肿瘤(如胶质母细胞瘤、非小细胞肺癌)中的转录组响应,并探索联合治疗策略以提升疗效、克服耐药克隆(来源 NCBI)

基本信息
资源简介
PRMT5i (MRTX1719) 对胶质母细胞瘤细胞系 (A172) 的影响
Effect of PRMT5i (MRTX1719) on glioblastoma cell line (A172)
该数据集来自 NCBI GEO,标题为 PRMT5i (MRTX1719) 对胶质母细胞瘤细胞系 (A172) 的影响,包含 1 个文件(GSE282794_series_matrix.txt.gz),采用高通量测序进行表达谱分析,物种为人类(9606),平台为 GPL24676。数据可用于研究 MTA 协同型 PRMT5 抑制剂在 CDKN2A/MTAP 共缺失肿瘤(如胶质母细胞瘤、非小细胞肺癌)中的转录组响应,并探索联合治疗策略以提升疗效、克服耐药克隆(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 25 202。
【数据内容】
源站描述(机器翻译,仅供参考):CDKN2A/MTAP 共缺失频繁发生于非小细胞肺癌及其他实体瘤,包括胶质母细胞瘤和胰腺导管腺癌。肺癌仍是癌症相关死亡的主要原因,且胶质母细胞瘤或胰腺癌患者中生存超过 5 年的不足 15%,这凸显了对更有效疗法的需求。PRMT5 是 MTAP 缺失肿瘤中的合成致死依赖靶点,也是 CDKN2A/MTAP 缺失癌症的有吸引力的治疗靶点。一类被称为 MTA 协同型 PRMT5 抑制剂的新革命性抑制剂在正在进行的早期临床试验中显示出有希望的结果。然而,有效的癌症治疗通常需要治疗组合来提高缓解率并击败新出现的耐药克隆。因此,我们试图确定其他通路的扰动是否能提高 MTA 协同型(原文截断)的疗效。
【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/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE282794
【使用注意】
· 源站最后修改于 Oct 13 202,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=GSE282794
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
CDKN2A/MTAP共缺失在非小细胞肺癌及其他实体瘤(包括胶质母细胞瘤和胰腺导管腺癌)中频繁发生。肺癌仍是癌症相关死亡的主要原因,胶质母细胞瘤或胰腺癌患者中生存超过5年的不足15%,这凸显了对更有效疗法的需求。PRMT5是MTAP缺失肿瘤中的合成致死依赖性靶点,也是CDKN2A/MTAP缺失癌症的一个有吸引力的治疗靶标。一类被称为MTA协同型PRMT5抑制剂的新革命性抑制剂在正在进行的早期临床试验中已显示出令人鼓舞的结果。尽管如此,有效的癌症治疗通常需要联合治疗以提高缓解率并克服新出现的耐药克隆。因此,我们试图确定干扰其他通路是否能够提高MTA协同型PRMT5抑制剂的疗效。利用旁系同源基因和单基因靶向CRISPR文库,我们在存在或不存在PRMT5抑制剂的情况下对MTAP缺失癌症进行了筛选。我们鉴定出若干使细胞对PRMT5抑制敏感的基因,包括MAP激酶通路的成员。
我们证明,使用KRAS、MEK、ERK和RAF抑制剂对MAP激酶通路成员进行基因敲除或化学抑制,可与PRMT5抑制协同作用,杀死CDKN2A/MTAP缺失、RAS活跃的肿瘤。此外,PRMT5抑制剂与KRAS或RAF抑制剂联合可在体内实现持久的完全缓解,突显了其对患者的潜在获益。
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。




