肺癌细胞过表达miR-34a的转录谱分析

数据为过表达miR-34a的肺癌细胞转录谱,涉及Zeb1调控的microRNA网络及miR-34a对细胞骨架相关基因的影响

omicsdi
浏览 19
基因组分类Transcriptomics
Transcriptional profiling of lung cancer cells over-expression miR-34a.

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

肺癌细胞过表达miR-34a的转录谱分析

该数据集来自omicsdi.org,属于肿瘤/肺癌分类,主题为Transcriptomics。数据为过表达miR-34a的肺癌细胞转录谱,涉及Zeb1调控的microRNA网络及miR-34a对细胞骨架相关基因的影响。样本包括注射344SQ-vector与344SQ-miR-34a细胞的小鼠原发肿瘤,RNA杂交至Affymetrix GeneChip Mouse Genome 4。可用于研究miR-34a在肺癌转移中的调控机制及基因表达变化(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):Zeb1转录抑制因子通过下调强烈诱导上皮分化的基因和干细胞抑制因子,在转移中发挥关键作用。在此我们报告,Zeb1控制众多致癌和抑癌microRNA(miR)的表达。Zeb1通过下调miR-34a刺激促迁移的细胞骨架过程,并通过Arhgap1(一种Cdc42 GTPase激活蛋白,也是新的miR-34a靶基因)激活Rho GTPases。预后不良的人类肺腺癌高度富集于由miR-34a下调激活的细胞骨架基因特征。这些发现表明,Zeb1调控一个miR网络,并通过miR-34a驱动促迁移的细胞骨架过程。从注射344SQ-vector和-miR-34a细胞的小鼠原发肿瘤中提取总RNA,然后杂交至Affymetrix GeneChip Mouse Genome 4

【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-38341

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-38341

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

Zeb1转录抑制因子通过下调那些强烈诱导上皮分化和抑制干性的基因,在转移过程中发挥关键作用。在此,我们报道Zeb1控制着众多致癌和抑癌微小RNA(miR)的表达。Zeb1通过下调miR-34a刺激促迁移的细胞骨架过程,并通过Arhgap1(一种Cdc42 GTP酶激活蛋白及新的miR-34a靶基因)激活Rho GTP酶。预后不良的人肺腺癌高度富集了一种由miR-34a下调激活的细胞骨架基因特征。这些发现表明,Zeb1调控一个miR网络,并通过miR-34a驱动促迁移的细胞骨架过程。从注射了344SQ载体和-miR-34a细胞的小鼠原发肿瘤中提取总RNA,然后与Affymetrix GeneChip Mouse Genome 430 2.0阵列杂交。进行了差异表达基因的测定。

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。