HCAR1核定位驱动肿瘤恶性进展的RNA-seq数据集
该数据集来自NCBI GEO,包含GSE210469的RNA-seq表达谱数据,聚焦G蛋白偶联受体HCAR1的核定位偏倚及其驱动肿瘤恶性进展的机制
![GSE210469: Nuclear Location Bias of HCAR1 Drives Cancer Malignancy through Numerous Routes [RNA-seq]](/medical-api/medicalDataset/datasetCover/171478.jpg)
基本信息
资源简介
HCAR1核定位驱动肿瘤恶性进展的RNA-seq数据集
Nuclear Location Bias of HCAR1 Drives Cancer Malignancy through Numerous Routes [RNA-seq]
该数据集来自NCBI GEO,包含GSE210469的RNA-seq表达谱数据,聚焦G蛋白偶联受体HCAR1的核定位偏倚及其驱动肿瘤恶性进展的机制。数据覆盖HCAR1核内信号传导、核内相互作用组、染色质/DNA结合及转录组特征,可用于研究核HCAR1与质膜HCAR1的功能差异、肿瘤细胞增殖与存活相关基因表达及迁移调控(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):G蛋白偶联受体(GPCR)定位偏倚在多种细胞功能中的参与及其在病理中的失调仍是一个未被充分探索的领域。HCAR1是一种乳酸GPCR,主要因Warburg效应而与癌症进展相关,但其作用机制仍不清楚。在此,我们展示HCAR1具有核定位,能够在核内发出信号,诱导核内ERK和AKT磷酸化,同时伴随更高的癌细胞增殖和存活。我们确定了其核内相互作用组,证明其参与蛋白质翻译和DNA损伤修复。核HCAR1(N-HCAR1)直接与染色质/DNA相互作用,促进参与细胞迁移的基因表达。值得注意的是,我们显示N-HCAR1特别调控比其PM对应物更广泛的转录组特征,强调N-HCAR1的功能输出是lar
【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。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE210469
【使用注意】
· 源站最后修改于 Nov 15 202,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=GSE210469
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
G蛋白偶联受体(GPCR)的定位偏倚参与多种细胞功能及其在病理状态下的失调,仍是一个尚未充分探索的领域。HCAR1是一种乳酸GPCR,主要因Warburg效应而与癌症进展相关,但其作用机制仍不明确。在此,我们证明HCAR1具有核定位,能够在核内进行信号传导,诱导核内ERK和AKT磷酸化,同时伴随更高的癌细胞增殖和存活。我们确定了其核内相互作用组,证明其参与蛋白质翻译和DNA损伤修复。核内HCAR1(N-HCAR1)直接与染色质/DNA相互作用,促进参与细胞迁移的基因表达。值得注意的是,我们显示N-HCAR1所调控的转录组特征范围比其质膜(PM)对应物更为广泛,这强调了N-HCAR1的功能输出大于PM定位的HCAR1。我们的研究揭示了若干前所未有的过程,说明GPCR如何通过定位偏倚活性调控多种细胞功能,以及癌细胞如何利用这些过程。
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。




