GSE153716:TMBIM6/BI-1通过组装mTORC2和激活AKT促进癌症进展
源站描述指出TMBIM6在宫颈癌、乳腺癌、肺癌和前列腺癌中与生存密切相关,其缺失或敲低抑制原发肿瘤生长,并通过mTORC2激活影响糖酵解、蛋白质合成及脂质合成基因表达

基本信息
资源简介
GSE153716:TMBIM6/BI-1通过组装mTORC2和激活AKT促进癌症进展
TMBIM6/BI-1 contributes to cancer progression through assembly with mTORC2 and AKT activation
该数据集来自NCBI GEO,包含1个表达谱芯片文件(GSE153716_series_matrix.txt.gz),主题为肿瘤/淋巴瘤。源站描述指出TMBIM6在宫颈癌、乳腺癌、肺癌和前列腺癌中与生存密切相关,其缺失或敲低抑制原发肿瘤生长,并通过mTORC2激活影响糖酵解、蛋白质合成及脂质合成基因表达。数据可用于研究TMBIM6/mTORC2/AKT通路在癌症进展中的作用及BIA化合物的干预效果(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):跨膜B细胞淋巴瘤2相关X蛋白抑制基序包含(TMBIM)6是一种Ca2+通道样蛋白,在多种癌症类型中高度上调。在此,我们表明TMBIM6与宫颈癌、乳腺癌、肺癌和前列腺癌患者的生存密切相关。TMBIM6缺失或敲低抑制原发肿瘤生长。此外,mTORC2激活被TMBIM6上调,并刺激糖酵解、蛋白质合成以及脂质合成基因和糖基化蛋白的表达。而且,TMBIM6特有的ER泄漏Ca2+被证明影响mTORC2组装及其与核糖体的关联。此外,我们发现BIA化合物,一种提示性的TMBIM6拮抗剂,阻止TMBIM6与mTORC2结合,降低mTORC2活性,并调节TMBIM6泄漏Ca2+,进一步抑制癌症x中的肿瘤形成和进展
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:Expression profiling by array、GPL16686、9606。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE153716
【使用注意】
· 源站最后修改于 Aug 24 202,引用时请注意版本时效。
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/geo/query/acc.cgi?acc=GSE153716
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
跨膜B细胞淋巴瘤2相关X蛋白抑制剂基序包含蛋白(TMBIM)6是一种类Ca2+通道蛋白,在多种癌症类型中高度上调。在此,我们证明TMBIM6与宫颈癌、乳腺癌、肺癌和前列腺癌患者的生存密切相关。TMBIM6缺失或敲低可抑制原发肿瘤生长。此外,TMBIM6上调了mTORC2的活化,并刺激了糖酵解、蛋白质合成以及脂质合成基因和糖基化蛋白的表达。而且,TMBIM6特有的内质网渗漏性Ca2+被证明可影响mTORC2组装及其与核糖体的结合。此外,我们发现BIA化合物——一种提示性的TMBIM6拮抗剂——可阻止TMBIM6与mTORC2结合,降低mTORC2活性,并调控TMBIM6渗漏性Ca2+,从而在癌症异种移植模型中进一步抑制肿瘤形成和进展。这一此前未知的信号级联——其中mTORC2活性通过与TMBIM6的相互作用而增强——为多种恶性肿瘤提供了有效的治疗靶点。
我们使用微阵列详细分析了基因表达的全局情况,并发现,在TMBIM6敲除的HT1080细胞中,与凋亡过程、迁移、增殖及代谢途径相关的大多数差异表达基因均有所减少。
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。




