HDAC5作为EGFR突变肺腺癌细胞奥希替尼耐药新型治疗靶点的早期响应基因数据集
研究聚焦于EGFR突变非小细胞肺癌细胞系在奥希替尼早期响应中表观遗传因子的快速诱导,发现HDAC5是其中最显著诱导的因子,并涉及敲低HDAC5对奥希替尼耐受的影响

基本信息
资源简介
HDAC5作为EGFR突变肺腺癌细胞奥希替尼耐药新型治疗靶点的早期响应基因数据集
HDAC5, an early osimertinib-responsive gene, is a novel therapeutic target for the drug resistance in EGFR-mutant lung adenocarcinoma cells.
该数据集来自NCBI GEO,包含1个文件(GSE283536_series_matrix.txt.gz),采用表达谱芯片(GPL21185)对9606(人)样本进行表达谱分析。研究聚焦于EGFR突变非小细胞肺癌细胞系在奥希替尼早期响应中表观遗传因子的快速诱导,发现HDAC5是其中最显著诱导的因子,并涉及敲低HDAC5对奥希替尼耐受的影响。数据可用于探索奥希替尼耐受与耐药的表观遗传机制及潜在治疗靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 05 202。
【数据内容】
源站描述(机器翻译,仅供参考):异常的表观遗传调控与药物耐受密切相关,而药物耐受是获得性耐药发生的早期步骤。我们此前报道,一种由第三代表皮生长因子受体(EGFR)酪氨酸激酶抑制剂奥希替尼快速诱导的先导转录因子(也称为表观遗传起始因子)在促进奥希替尼耐受细胞形成中发挥关键作用。在本研究中,为鉴定与奥希替尼耐受相关的新型表观遗传因子,我们对表达被奥希替尼快速诱导的表观遗传因子进行了全面筛选。结果显示,HDAC5(一种IIa类组蛋白去乙酰化酶)是EGFR突变非小细胞肺癌(NSCLC)细胞系在奥希替尼早期响应过程中最显著被诱导的表观遗传因子。敲低HDAC5显著降低了……
【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:Expression profiling by array、GPL21185、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=GSE283536
【使用注意】
· 源站最后修改于 May 01 202,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=GSE283536
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
异常的表观遗传调控与药物耐受密切相关,而药物耐受是获得性耐药形成的早期步骤。我们此前报道,第三代表皮生长因子受体(EGFR)酪氨酸激酶抑制剂奥希替尼可迅速诱导一种先锋转录因子(亦称表观遗传启动因子),该因子在促进奥希替尼耐受细胞形成中发挥关键作用。本研究为鉴定与奥希替尼耐受相关的新型表观遗传因子,对奥希替尼迅速诱导表达的表观遗传因子进行了全面筛选。结果显示,在EGFR突变非小细胞肺癌(NSCLC)细胞系对奥希替尼的早期应答过程中,IIa类组蛋白去乙酰化酶(HDAC)HDAC5是最显著被诱导的表观遗传因子。敲低HDAC5可显著减少奥希替尼耐药细胞的出现。此外,使用选择性HDAC5抑制剂LMK235处理可显著增加整体组蛋白乙酰化,并增强奥希替尼诱导的细胞凋亡。
这些发现凸显了HDAC5作为克服奥希替尼耐药性的新型治疗靶点的潜力,并提出LMK235作为一种有前景的化合物,可为接受奥希替尼治疗的EGFR突变型NSCLC患者提供显著的治疗获益。
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。




