GSE286461:MAX失活解除MYC网络调控并在多组织诱导神经内分泌肿瘤[RNA-seq]
源站描述围绕MAX失活对MYC网络的调控及在多组织诱导神经内分泌肿瘤的作用,涉及垂体腺瘤、甲状腺C细胞肿瘤及小细胞肺癌等
![GSE286461: MAX inactivation deregulates the MYC network and induces neuroendocrine neoplasia in multiple tissues [RNA-seq]](/medical-api/medicalDataset/datasetCover/167360.jpg)
基本信息
资源简介
GSE286461:MAX失活解除MYC网络调控并在多组织诱导神经内分泌肿瘤[RNA-seq]
MAX inactivation deregulates the MYC network and induces neuroendocrine neoplasia in multiple tissues [RNA-seq]
该数据集来自NCBI GEO,为RNA-seq表达谱数据,包含1个文件(GSE286461_series_matrix.txt.gz),主题标签涉及高通量测序表达谱分析(GPL17021,10090)。源站描述围绕MAX失活对MYC网络的调控及在多组织诱导神经内分泌肿瘤的作用,涉及垂体腺瘤、甲状腺C细胞肿瘤及小细胞肺癌等。数据可用于研究MAX失活与MYC网络成员基因组占据变化的关系,以及神经内分泌肿瘤发生机制的表达层面分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 12 202。
【数据内容】
源站描述(机器翻译,仅供参考):MYC转录因子需要MAX才能结合DNA并在正常细胞和肿瘤细胞中广泛激活基因表达。令人惊讶的是,MAX的失活突变与一部分神经内分泌癌症相关,包括嗜铬细胞瘤、垂体腺瘤和小细胞肺癌。MAX的肿瘤抑制程度及其机制尚不清楚。在多个小鼠神经内分泌组织中删除Max后,我们发现单独Max失活即可产生垂体腺瘤,而Max失活缺失与Rb1/Trp53缺失协同加速甲状腺髓样C细胞和垂体腺瘤的发展。在甲状腺肿瘤细胞系中,MAX缺失触发了其他MYC网络成员(MNT、MLX、MondoA)基因组占据的显著转变,这些成员支持肿瘤性神经内分泌细胞的代谢、存活和增殖。我们的工作揭示了MAX a
【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:GPL17021、10090。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=GSE286461
【使用注意】
· 源站最后修改于 May 05 202,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=GSE286461
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
MYC转录因子需要MAX才能结合DNA并在正常细胞和肿瘤细胞中广泛激活基因表达。令人惊讶的是,MAX的失活突变与包括嗜铬细胞瘤、垂体腺瘤和小细胞肺癌在内的部分神经内分泌癌症相关。MAX的肿瘤抑制程度及其机制尚不清楚。在多种小鼠神经内分泌组织中敲除Max后,我们发现单独失活Max即可产生垂体腺瘤,而Max失活缺失与Rb1/Trp53缺失协同作用,加速甲状腺髓样C细胞和垂体腺瘤的发展。在甲状腺肿瘤细胞系中,MAX缺失触发了MYC网络其他成员(MNT、MLX、MondoA)在基因组占据上的显著转变,从而支持肿瘤性神经内分泌细胞的代谢、存活和增殖。我们的工作揭示,MAX通过维持MYC网络中多种转录因子在基因组占据上的平衡,成为神经内分泌肿瘤发生的广泛抑制因子。
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。




