GSE87532:Tristetraprolin 通过损害增殖和代谢功能使前列腺癌无法维持
该数据集来自 NCBI GEO,包含 GSE87532 系列矩阵文件,主题为高通量测序表达谱分析。研究聚焦 RNA 结合蛋白 Tristetraprolin(TTP)在前列腺癌中的预后与功能作用,涉及肿瘤基因表达分析、细胞增殖与克隆生长实验以及肿瘤抑制功能验证

基本信息
资源简介
GSE87532:Tristetraprolin 通过损害增殖和代谢功能使前列腺癌无法维持
Tristetraprolin disables prostate cancer maintenance by impairing proliferation and metabolic function
该数据集来自 NCBI GEO,包含 GSE87532 系列矩阵文件,主题为高通量测序表达谱分析。研究聚焦 RNA 结合蛋白 Tristetraprolin(TTP)在前列腺癌中的预后与功能作用,涉及肿瘤基因表达分析、细胞增殖与克隆生长实验以及肿瘤抑制功能验证。数据可用于探索 TTP 表达与 Gleason 评分、生化复发等临床特征的关联,并支持前列腺癌表达谱相关的分类或预测建模研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 30 201。
【数据内容】
源站描述(机器翻译,仅供参考):Tristetraprolin(TTP)是一种 RNA 结合蛋白,通过将 mRNA 货物递送至加工体(P 体)进行降解,从而在转录后水平抑制基因表达。TTP 在小鼠 B 细胞淋巴瘤模型中发挥肿瘤抑制因子作用,且在一些人类恶性肿瘤中,低 TTP 表达与生存期缩短相关。本文报告了 TTP 在人类前列腺癌中的重要预后和功能作用。首先,前列腺肿瘤的基因表达分析显示,低 TTP 表达与患者具有高风险 Gleason 评分和生化复发增加相关。其次,在内源性 TTP 水平低的前列腺癌细胞中,诱导性 TTP 表达抑制其生长和增殖,以及其克隆生长。第三,TTP 在前列腺癌中发挥肿瘤抑制因子作用,因为强制 TTP 表达显著损害致瘤性
【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:GPL18573、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=GSE87532
【使用注意】
· 源站最后修改于 Oct 19 202,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=GSE87532
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
Tristetraprolin(TTP)是一种RNA结合蛋白,通过将mRNA货物运送至加工体(P-body)进行降解,从而在转录后水平抑制基因表达。在B细胞淋巴瘤小鼠模型中,TTP发挥抑癌基因的作用;在一些人类恶性肿瘤中,TTP低表达与生存期缩短相关。本文报道了TTP在人类前列腺癌中具有重要的预后和功能作用。首先,前列腺肿瘤的基因表达分析显示,TTP低表达与患者具有高危Gleason评分及生化复发增加相关。其次,在内源性TTP水平较低的前列腺癌细胞中,诱导性TTP表达可抑制其生长和增殖,以及其克隆形成生长。第三,TTP在前列腺癌中发挥抑癌基因的作用,因为强制表达TTP可显著削弱前列腺癌细胞在小鼠异种移植模型中的致瘤潜能。最后,基因表达数据的通路分析提示,前列腺肿瘤细胞中TTP表达可改变代谢,代谢分析进一步揭示此类过程(包括线粒体呼吸)受TTP损害。
总体而言,这些发现表明TTP是前列腺癌的一个重要预后指标,增强TTP功能将有效抑制侵袭性前列腺肿瘤的代谢和增殖。
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。




