肿瘤细胞聚集通过调控H3K36组蛋白去甲基化酶KDM2A增强转移能力
该数据集来自ncbi.nlm.nih.gov,聚焦非小细胞肺癌中播散肿瘤细胞聚集与转移能力的关系。研究通过功能表观基因组学方法,发现H3K36去甲基化酶KDM2A对转移性细胞簇的适应性具有差异性需求,这种依赖由肿瘤细胞间聚集诱导,促使KDM2A结合到富含CpG岛的启动子,维持H3K36单甲基化并关联

基本信息
资源简介
肿瘤细胞聚集通过调控H3K36组蛋白去甲基化酶KDM2A增强转移能力
Tumor Cell Clustering Enhances Metastatic Competence by Regulating the H3K36 Histone Demethylase KDM2A
该数据集来自ncbi.nlm.nih.gov,聚焦非小细胞肺癌中播散肿瘤细胞聚集与转移能力的关系。研究通过功能表观基因组学方法,发现H3K36去甲基化酶KDM2A对转移性细胞簇的适应性具有差异性需求,这种依赖由肿瘤细胞间聚集诱导,促使KDM2A结合到富含CpG岛的启动子,维持H3K36单甲基化并关联转录激活,直接靶向氧化磷酸化基因。数据包含1个文件,可用于探索细胞聚集相关表观遗传调控与基因表达变化(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):播散性肿瘤细胞可通过细胞间黏附形成簇,从而增强其启动转移的能力。转移性细胞簇的特征是转录发生明显变化,提示表观遗传机制是其独特表型状态的基础。通过在非小细胞肺癌模型中进行功能性表观基因组研究,我们鉴定出组蛋白H3赖氨酸36(H3K36)去甲基化酶KDM2A对转移性细胞簇的适应性具有差异性需求。这种对KDM2A的情境依赖性由肿瘤细胞间聚集所决定,后者特异性诱导KDM2A结合到富含CpG岛的启动子。在这些确定的基因组位点上,KDM2A维持H3K36单甲基化,后者优先与转录激活相关。KDM2A直接靶向氧化磷酸化基因,且KDM2A活性对于最佳线粒体
【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:GPL20301、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=GSE316477
【使用注意】
· 源站最后修改于 Jan 15 202,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=GSE316477
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
播散性肿瘤细胞可通过细胞间黏附形成细胞簇,从而增强其启动转移的能力。转移性细胞簇以转录层面的显著改变为特征,提示表观遗传机制是其独特表型状态的基础。通过在非小细胞肺癌模型中进行功能性表观基因组研究,我们发现组蛋白H3第36位赖氨酸(H3K36)去甲基化酶KDM2A对转移性细胞簇的适应性具有差异性需求。这种对KDM2A的情境依赖性由肿瘤细胞间聚集所决定,后者特异性诱导KDM2A结合至富含CpG岛的启动子。在这些特定的基因组位点,KDM2A维持H3K36单甲基化,而后者优先与转录激活相关。KDM2A直接靶向氧化磷酸化基因,且KDM2A活性是细胞簇中实现最佳线粒体呼吸和顶端细胞连接完整性所必需的。因此,抑制KDM2A可减少多个器官(包括脑)中的转移播种和定植。
这些发现揭示了一种染色质调控机制,通过同型细胞通讯指导播散肿瘤细胞的表观基因组,从而增强其转移能力。
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。




