FTO 在小细胞肺癌中的功能 [RNA-seq]
本数据集来自 NCBI，聚焦 FTO（一种 m6A RNA 去甲基化酶）在小细胞肺癌（SCLC）中的功能。研究对 SCLC 细胞系 H69 和 H82 使用两种选择性 FTO 抑制剂 CS2 和 FB23-2 处理，提取总 RNA 后构建 RNA-seq 文库并在 DNBSEQ-T7 平台测序，以评
![GSE300624: The function of FTO in small cell lung cancer [RNA-seq]](/medical-api/medicalDataset/datasetCover/75057.jpg)
基本信息
资源简介
FTO 在小细胞肺癌中的功能 [RNA-seq]
The function of FTO in small cell lung cancer [RNA-seq]
本数据集来自 NCBI，聚焦 FTO（一种 m6A RNA 去甲基化酶）在小细胞肺癌（SCLC）中的功能。研究对 SCLC 细胞系 H69 和 H82 使用两种选择性 FTO 抑制剂 CS2 和 FB23-2 处理，提取总 RNA 后构建 RNA-seq 文库并在 DNBSEQ-T7 平台测序，以评估转录组变化。数据可用于分析 FTO 抑制后的下游分子效应，并有助于识别这一高侵袭性肿瘤类型的潜在治疗靶点（来源 NCBI）。
【数据集背景】
源站首次发布：Jun 24 202。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究探讨脂肪量和肥胖相关蛋白（FTO，一种 m6A RNA 去甲基化酶）在小细胞肺癌（SCLC）中的作用。对 SCLC 细胞系 H69 和 H82 使用两种选择性 FTO 抑制剂 CS2 和 FB23-2 处理，随后进行 RNA 测序以评估转录组变化。细胞在限定条件下用抑制剂处理，并使用 TRIzol 试剂提取总 RNA。构建 RNA-seq 文库并使用 DNBSEQ-T7 平台测序。所得数据集为 FTO 抑制在 SCLC 中的下游分子效应提供了有价值的见解，并可能有助于识别这种高度侵袭性肿瘤类型的潜在治疗靶点。
【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：GPL29480、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=GSE300624
【使用注意】
· 源站最后修改于 Jun 30 202，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=GSE300624
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
本研究探讨了脂肪量和肥胖相关蛋白（FTO），一种m6A RNA去甲基化酶，在小细胞肺癌（SCLC）中的作用。采用RNA测序技术评估了在两种选择性FTO抑制剂CS2和FB23-2处理下，SCLC细胞系H69和H82的转录组变化。细胞在特定条件下接受抑制剂处理，并使用TRIzol试剂提取总RNA。构建了RNA-seq文库，并利用DNBSEQ-T7平台进行测序。所得数据集为理解FTO抑制在SCLC中的下游分子效应提供了宝贵见解，并可能有助于识别这种高度侵袭性肿瘤类型的潜在治疗靶点。
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。
