参与肺癌脑转移形成的新型转移抑制基因鉴定

该数据集来自 omicsdi.org,聚焦肺癌脑转移形成过程中受甲基化下调的潜在转移抑制基因。研究利用位点特异性转移的肺癌细胞系模型进行初步筛选,并对原发肺癌与脑转移肿瘤组织开展基因表达谱分析和 qRT-PCR 验证,进一步刻画 HERC5 的甲基化模式

omicsdi
浏览 10
基因组分类Transcriptomics
Identification of novel metastases-suppressor genes involved in lung cancer brain metastases formation.

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-07

资源简介

参与肺癌脑转移形成的新型转移抑制基因鉴定

该数据集来自 omicsdi.org,聚焦肺癌脑转移形成过程中受甲基化下调的潜在转移抑制基因。研究利用位点特异性转移的肺癌细胞系模型进行初步筛选,并对原发肺癌与脑转移肿瘤组织开展基因表达谱分析和 qRT-PCR 验证,进一步刻画 HERC5 的甲基化模式。数据涵盖 H1993、H1395 等肺癌细胞系与 SV40 转化的支气管上皮细胞系 BEAS-2B 的比较,以及 5-Aza-2'-脱氧胞苷处理后的表达变化,可用于探索脑转移相关基因与表观遗传调控机制(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):利用针对位点特异性转移的肺癌细胞系模型,对可能受甲基化下调的潜在转移抑制因子进行了初步筛选。对来自原发性肺癌(LC)和脑转移的肿瘤组织进行了基因表达谱分析和 qRT-PCR 验证。进一步对 HERC5 的甲基化模式进行了表征。将三种人肺癌细胞系 H1993、H1395 与(SV40)转化的人支气管上皮细胞系 BEAS-2B 进行比较,以寻找可能特异性参与脑转移形成的基因。用 5-Aza-2'-脱氧胞苷处理这些细胞系,以寻找可能受甲基化下调的基因。使用非致瘤性细胞系 BEAS-2B 作为对照,以评估 5-Aza-2'-脱氧胞苷处理后的应激反应。

【主题与分类】

主题标签:Transcriptomics。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-57492

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-57492

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

为寻找可能受甲基化下调的潜在转移抑制因子,我们利用针对特定部位转移的肺癌细胞系模型进行了初步筛选。对来自原发性肺癌(LC)和脑转移的肿瘤组织进行了基因表达谱分析和qRT-PCR验证。进一步对HERC5的甲基化模式进行了表征。将三种人肺癌细胞系H1993、H1395与(SV40)转化的人支气管上皮细胞系BEAS-2B进行比较,以寻找可能特异性参与脑转移形成的基因。这些细胞系经5-氮杂-2’-脱氧胞苷处理,以寻找可能因甲基化而下调的基因。非致瘤性细胞系BEAS-2B用于对照5-氮杂-2’-脱氧胞苷处理后的应激反应。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。