Nkx2-1 抑制肺腺癌进展
研究以小鼠为模型,模拟人类肺腺癌中常见的 KRAS 激活点突变与 p53 通路失活,通过慢病毒介导在 KrasLSL-G12D/+;p53flox/flox 小鼠肺上皮细胞中体细胞激活致癌 Kras 并删除 p53,从而引发肺腺癌

基本信息
资源简介
Nkx2-1 抑制肺腺癌进展
该数据集来自 omicsdi.org,主题为 Transcriptomics,属于肿瘤 / 肺癌分类。研究以小鼠为模型,模拟人类肺腺癌中常见的 KRAS 激活点突变与 p53 通路失活,通过慢病毒介导在 KrasLSL-G12D/+;p53flox/flox 小鼠肺上皮细胞中体细胞激活致癌 Kras 并删除 p53,从而引发肺腺癌。尽管肿瘤由明确的遗传改变同步起始,但仅一部分变为恶性,提示疾病进展需要额外改变。通过鉴定慢病毒整合位点,可区分转移性与非转移性肿瘤,并确定区分这些肿瘤的基因表达改变(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):尽管转移性肺癌患者发病率高且预后差,但肿瘤进展和转移的机制在很大程度上仍未被阐明。我们使用小鼠中的条件等位基因,对人类肺腺癌进行建模,该癌症常携带 KRAS1 的激活点突变和 p53 通路2 的失活。在 KrasLSL-G12D/+;p53flox/flox 小鼠的肺上皮细胞中,慢病毒介导的致癌 Kras 体细胞激活和 p53 缺失可引发肺腺癌发展4。尽管肿瘤由明确的遗传改变同步起始,但只有一部分变为恶性,提示疾病进展需要额外的改变。慢病毒整合位点的鉴定使我们能够区分转移性与非转移性肿瘤,并确定区分这些肿瘤的基因表达改变。
【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-26874
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-26874
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
尽管转移性肺癌患者的发病率高且预后差,但肿瘤进展和转移的机制在很大程度上仍未被阐明。我们利用小鼠中的条件性等位基因,对人类肺腺癌进行了建模,该类型肺癌常伴有KRAS1的激活点突变和p53通路的失活2。在KrasLSL-G12D/+;p53flox/flox小鼠的肺上皮细胞中,通过慢病毒介导的体细胞激活致癌Kras并删除p53,可引发肺腺癌的发展4。尽管肿瘤是由明确的遗传改变同步启动的,但只有一部分会变为恶性,这表明疾病进展需要额外的改变。通过识别慢病毒整合位点,我们得以区分转移性与非转移性肿瘤,并确定了区分这两种肿瘤类型的基因表达变化。跨物种分析发现,NK-2相关同源盒转录因子Nkx2-1(Ttf-1/Titf1)是恶性进展的候选抑制因子。在此小鼠模型中,Nkx2-1阴性是高分级低分化肿瘤的特征性病理表现。
在来源于转移性和非转移性肿瘤的细胞中进行的基因功能获得和缺失实验表明,Nkx2-1控制肿瘤分化并在体内限制转移潜能。对Nkx2-1调控基因的研究、对特定发育阶段肿瘤的分析以及功能互补实验表明,Nkx2-1部分通过抑制胚胎期限制性染色质调节因子Hmga2来约束肿瘤。尽管在一部分人肺腺癌中NKX2-1的局灶性扩增使其致癌功能受到关注6-9,但我们的数据明确将Nkx2-1的下调与分化丧失、肿瘤播种能力增强以及转移倾向增加联系起来。因此,Nkx2-1在同一肿瘤类型中兼具致癌和抑制功能,证实了其作为
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。




