核内pCHK1作为ATR抑制敏感性升高的潜在生物标志物
该数据集来自NCBI,包含24种不同癌症类型细胞系的基因表达谱数据,以及一组卵巢癌细胞系数据,文件为GSE217579_series_matrix.txt.gz

基本信息
资源简介
核内pCHK1作为ATR抑制敏感性升高的潜在生物标志物
Nuclear pCHK1 as a potential biomarker of increased sensitivity to ATR inhibition
该数据集来自NCBI,包含24种不同癌症类型细胞系的基因表达谱数据,以及一组卵巢癌细胞系数据,文件为GSE217579_series_matrix.txt.gz。研究聚焦于ATR激酶选择性抑制剂elimusertib(BAY 1895344)治疗获益的预测生物标志物,发现核内pCHK1特异性富集与ATR抑制敏感性升高相关。数据可用于探索DNA损伤应答与复制压力通路相关基因表达特征,支持肿瘤细胞对ATR抑制反应的分类与生物标志物研究(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):癌症细胞增殖时,过度的基因组不稳定性加上DNA修复通路异常会诱导高水平的“复制压力”。新的治疗策略并非阻碍癌细胞增殖,而是将注意力转向靶向DNA损伤应答和复制压力应答通路中的细胞周期检查点激酶(如ATR、CHK1、WEE1等),从而使未修复的DNA损伤被携带至有丝分裂灾难和凋亡。ATR激酶选择性抑制剂elimusertib(BAY 1895344)已在临床前和临床中显示出单药活性;然而,仍缺乏可靠的治疗获益预测生物标志物。在本研究中,利用来自不同癌症类型的24个细胞系的基因表达谱以及一组卵巢癌细胞系,我们发现核特异性富集
【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、GPL32845、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=GSE217579
【使用注意】
· 源站最后修改于 Dec 01 202,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=GSE217579
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
过度的基因组不稳定性加上DNA修复途径的异常,在癌细胞增殖时诱导高水平的“复制应激”。新的治疗策略并非阻碍癌细胞增殖,而是将注意力转向靶向DNA损伤应答和复制应激应答通路中的细胞周期检查点激酶(如ATR、CHK1、WEE1等),从而使未修复的DNA损伤得以延续至有丝分裂灾难和凋亡。ATR激酶选择性抑制剂elimusertib(BAY 1895344)已在临床前和临床中显示出单药活性;然而,仍缺乏可靠的治疗获益预测生物标志物。在本研究中,通过对来自不同癌症类型的24种细胞系以及一组卵巢癌细胞系进行基因表达谱分析,我们发现检查点激酶1(CHK1)的核内特异性富集与对elimusertib的敏感性增加相关。
在后续的细胞系来源异种移植标本中,我们采用先进的多光谱成像系统,发现核内磷酸化CHK1(pCHK1)染色与对ATR抑制剂elimusertib敏感性增加之间存在趋势,表明pCHK1表达作为ATR抑制剂敏感性预测生物标志物具有潜在价值。
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。




