肺癌中p53恢复的阶段特异性敏感性:肿瘤数据
该数据集来自omicsdi.org,主题为肺癌中p53恢复的阶段特异性敏感性,属于肿瘤/肺癌分类,标签为Transcriptomics

基本信息
资源简介
肺癌中p53恢复的阶段特异性敏感性:肿瘤数据
该数据集来自omicsdi.org,主题为肺癌中p53恢复的阶段特异性敏感性,属于肿瘤/肺癌分类,标签为Transcriptomics。源站描述指出,肿瘤发生是多步骤过程,p53通路突变是癌症标志,在已建立的小鼠肺肿瘤中恢复p53可导致恶性腺癌而非腺瘤的显著但不完全肿瘤细胞丢失,MAPK信号扩增是恶性进展的关键决定因素,对p53恢复的差异反应取决于Arf激活。数据可用于研究p53恢复的阶段特异性反应及肺癌恶性进展机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤发生是一个多步骤过程,源于关键癌基因和肿瘤抑制通路中突变的序贯积累。基于靶向这些潜在遗传异常来实现癌症个体化医疗的探索,前提是肿瘤抑制因子的持续失活和癌基因的激活是肿瘤维持所必需的。p53肿瘤抑制通路的突变是癌症的标志,目前正在大力推进突变p53通路的药物再激活1-3。在这里我们表明,在已建立的小鼠肺肿瘤中恢复p53会导致显著但不完全的肿瘤细胞丢失,这种情况特异性地发生在恶性腺癌中,而不发生在腺瘤中。此外,我们将MAPK信号的扩增定义为恶性进展的关键决定因素。对p53恢复的差异反应取决于Arf的激活
【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-23874
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。
使用方式
数据集获取
源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-23874
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
肿瘤发生是一个多步骤过程,源于关键癌基因和抑癌基因通路中突变的序贯累积。基于靶向这些潜在遗传异常来实现癌症个体化医疗的探索,前提是肿瘤的维持需要抑癌基因的持续失活和癌基因的激活。p53抑癌基因通路的突变是癌症的一个标志,目前正致力于通过药物重新激活突变型p53通路1-3。本研究表明,在已形成的小鼠肺部肿瘤中恢复p53功能,会导致显著但不完全的肿瘤细胞丢失,这种情况特异地出现在恶性腺癌中,而非腺瘤。此外,我们将MAPK信号通路的扩增定义为恶性进展的关键决定因素。对p53恢复的差异反应取决于过度活跃的MAPK信号下游Arf抑癌基因的激活。我们提出,p53通过响应增强的致癌信号自然限制恶性进展,但对足以支持肺部肿瘤早期发展的低水平癌基因活动无响应。
这些数据表明,恢复在肿瘤进展而非起始中起重要作用的通路,可能由于肿瘤细胞群体的阶段异质性而导致肿瘤不完全消退。18个不同级别和治疗状态的肿瘤。6个治疗的3级,4个治疗的2级,4个未治疗的3级,4个未治疗的2级。
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。




