PRJNA1379439:FOXA1促进SCLC化疗耐药[RNA-Seq]
该数据集来自NCBI,属于肿瘤/肺癌分类下的转录组或基因表达数据,围绕FOXA1促进小细胞肺癌(SCLC)化疗耐药的主题
![PRJNA1379439: FOXA1 promotes SCLC chemoresistance [RNA-Seq]](/medical-api/medicalDataset/datasetCover/135747.jpg)
基本信息
资源简介
PRJNA1379439:FOXA1促进SCLC化疗耐药[RNA-Seq]
该数据集来自NCBI,属于肿瘤/肺癌分类下的转录组或基因表达数据,围绕FOXA1促进小细胞肺癌(SCLC)化疗耐药的主题。源站描述指出FOXA1在SCLC中频繁扩增和上调,高表达与不良预后相关,并可通过下游靶点WNT5A激活Wnt/β-catenin通路介导化疗耐药,同时诱导上皮-间质转化。数据可用于研究SCLC化疗耐药的分子机制、FOXA1及Wnt通路相关基因表达分析,以及耐药相关转录组特征探索(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):小细胞肺癌(SCLC)是一种侵袭性神经内分泌肿瘤。尽管化疗一直是一线治疗的基石,但大多数SCLC患者在初始缓解后不久即出现化疗耐药,而这种耐药的分子基础仍知之甚少。在此,我们确定FOXA1是SCLC中一个频繁扩增和上调的基因,FOXA1高表达与不良结局相关。我们进一步证明,FOXA1过表达促进化疗耐药。在机制上,我们揭示WNT5A是FOXA1的下游靶点,通过激活Wnt/β-catenin通路介导化疗耐药。FOXA1还在SCLC细胞中诱导上皮-间质转化(EMT),并且FOXA1高表达的人SCLC肿瘤表现出富集的EMT和Wnt/β-catenin通路特征。重要的是,药理学抑制Wnt通路
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1379439
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/bioproject/PRJNA1379439
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
小细胞肺癌(SCLC)是一种侵袭性神经内分泌肿瘤。尽管化疗一直是一线治疗的基石,但大多数SCLC患者在初始缓解后不久即产生化疗耐药,而这种耐药的分子基础仍知之甚少。在此,我们确定FOXA1是SCLC中一个频繁扩增且表达上调的基因,FOXA1高表达与不良预后相关。我们进一步证明,FOXA1过表达促进化疗耐药。在机制上,我们揭示WNT5A是FOXA1的下游靶点,通过激活Wnt/β-catenin通路介导化疗耐药。FOXA1还诱导SCLC细胞发生上皮-间质转化(EMT),且FOXA1高表达的人SCLC肿瘤表现出富集的EMT和Wnt/β-catenin通路特征。重要的是,药物抑制Wnt通路可选择性地抑制FOXA1过表达SCLC细胞的生长。总之,我们的研究确定FOXA1是SCLC化疗耐药的关键驱动因素,并强调Wnt通路抑制是克服FOXA1驱动化疗耐药的一种有前景的策略。
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。




