Tamarixetin 诱导 A549 非小细胞肺癌细胞 DNA 损伤反应并激活 p53 信号
该数据集来自 NCBI GEO（GSE331068），包含 A549 非小细胞肺癌细胞经 Tamarixetin（TAM）处理后的转录组测序数据
基本信息
资源简介
Tamarixetin 诱导 A549 非小细胞肺癌细胞 DNA 损伤反应并激活 p53 信号
Tamarixetin induces DNA damage response and activates p53 signaling in A549 non-small cell lung cancer cells
该数据集来自 NCBI GEO（GSE331068），包含 A549 非小细胞肺癌细胞经 Tamarixetin（TAM）处理后的转录组测序数据。实验设置溶剂对照与 25 μM TAM 处理 24 小时两组，通过 RNA 测序刻画基因表达变化，并开展差异表达与通路富集分析。结果显示 TAM 处理引发显著转录重编程，富集于 p53 信号、DNA 损伤反应、DNA 修复及细胞周期调控通路。数据可用于研究 TAM 在 NSCLC 中的转录组效应与分子机制，支持 DNA 损伤反应及 p53 依赖抗肿瘤通路的验证与二次分析（来源 NCBI）。
【数据集背景】
源站首次发布：May 15 202。
【数据内容】
源站描述（机器翻译，仅供参考）：Tamarixetin（TAM）是一种天然存在的 O-甲基化黄酮醇，在非小细胞肺癌（NSCLC）中表现出抗肿瘤活性，但其转录组效应和分子机制仍未完全明确。本研究通过 RNA 测序表征 A549 NSCLC 细胞经 TAM 处理后的基因表达变化。A549 细胞用溶剂对照或 25 μM TAM 处理 24 小时，随后进行转录组分析。差异表达和通路富集分析显示，TAM 处理诱导了显著的转录重编程，富集于 p53 信号、DNA 损伤反应、DNA 修复和细胞周期调控通路。这些转录组发现支持 TAM 在 NSCLC 细胞中激活 DNA 损伤反应信号和 p53 依赖性抗肿瘤通路的机制。
【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：GPL24676、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=GSE331068
【使用注意】
· 源站最后修改于 May 20 202，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=GSE331068
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
Tamarixetin（TAM）是一种天然存在的O-甲基化黄酮醇，在非小细胞肺癌（NSCLC）中表现出抗肿瘤活性，但其转录组学效应和分子机制仍未完全明确。本研究采用RNA测序来表征TAM处理后A549 NSCLC细胞中基因表达的变化。A549细胞用溶剂对照或25 μM TAM处理24小时，随后进行转录组分析。差异表达和通路富集分析显示，TAM处理诱导了显著的转录重编程，并富集了p53信号通路、DNA损伤应答、DNA修复和细胞周期调控通路。这些转录组学发现支持TAM在NSCLC细胞中激活DNA损伤应答信号和p53依赖性抗肿瘤通路的机制。
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。
