GNA通过调控NRF2/HSF1/HO-1信号通路增强顺铂耐药肺癌细胞疗效
该数据集来自NCBI GEO,包含顺铂耐药肺癌A549/DDP细胞的表达谱数据,用于研究藤黄酸(GNA)通过调控NRF2/HSF1/HO-1信号通路增强其治疗效果

基本信息
资源简介
GNA通过调控NRF2/HSF1/HO-1信号通路增强顺铂耐药肺癌细胞疗效
Enhancing the therapeutic efficacy of gambogenic acid by modulating the NRF2/HSF1/HO-1 signaling pathway in cisplatin-resistant lung cancer cells
该数据集来自NCBI GEO,包含顺铂耐药肺癌A549/DDP细胞的表达谱数据,用于研究藤黄酸(GNA)通过调控NRF2/HSF1/HO-1信号通路增强其治疗效果。数据覆盖GNA处理后细胞的基因表达变化,可用于分析耐药机制、信号通路调控及潜在治疗靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 28 202。
【数据内容】
源站描述(机器翻译,仅供参考):顺铂是癌症化疗和化学免疫治疗方案中的基石;然而,耐药性的出现构成了重大挑战。藤黄酸(GNA)是一种来源于藤黄树脂的天然化合物,已被记录在多种癌症类型中发挥抗肿瘤作用。尽管如此,其临床应用受到需要高剂量才能达到足够生物活性的限制。在本研究中,我们证明GNA可在顺铂耐药的A549/DDP细胞中诱导显著的细胞死亡。GNA处理降低了A549/DDP细胞中的NRF2蛋白水平,而遗传和药理学抑制NRF2进一步增强了GNA的细胞毒性作用。此外,GNA处理通过不依赖NRF2的机制增加了HO-1的表达。后续分析表明,GNA处理引发了热休克反应,特别是在细胞中
【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:GPL34284、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=GSE317884
【使用注意】
· 源站最后修改于 Jul 09 202,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=GSE317884
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
顺铂是癌症化疗和化学免疫治疗方案中的基石;然而,耐药性的出现构成了重大挑战。藤黄酸(GNA),一种源自藤黄树的天然化合物,已被记录在多种癌症类型中发挥抗肿瘤效果。尽管如此,其临床应用受到需要高剂量才能达到足够生物活性的限制。在本研究中,我们证明了GNA能诱导顺铂耐药的A549/DDP细胞显著死亡。GNA处理降低了A549/DDP细胞中的NRF2蛋白水平,而遗传学和药理学上对NRF2的抑制进一步增强了GNA的细胞毒性作用。此外,GNA处理通过一种不依赖NRF2的机制增加了HO-1的表达。后续分析表明,GNA处理引发了热休克反应,尤其是在NRF2敲低的细胞中。虽然A549/DDP细胞中HO-1的基础表达受NRF2调控,但GNA诱导的HO-1上调依赖于HSF1,热休克反应的关键调节因子。
此外,尽管单独使用HO-1抑制剂处理细胞并未影响A549/DDP细胞的存活率,但在联合治疗中,它显著增强了GNA诱导的细胞死亡。综上所述,我们的研究结果表明,GNA在顺铂耐药的肺癌细胞中具有显著的细胞毒性活性,并且通过干扰NRF2和HSF1信号通路可以增强这一效果,这两个通路在细胞应对GNA诱导的急性应激时共同促进HO-1的表达。本研究强调了GNA抗癌活性的新机制,并提示了一种潜在策略,以克服GNA在肺癌治疗转化中的挑战。
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。




