FADS2介导Nrf2-SLC7A11轴激活通过谷氨酸外排促进乳腺导管原位癌进展

该数据集来自NCBI GEO,标题为FADS2介导Nrf2-SLC7A11轴激活通过谷氨酸外排促进乳腺导管原位癌进展,包含1个文件GSE292487_series_matrix.txt.gz,属于高通量测序表达谱数据,平台为GPL24676,物种为9606(人类)

geo
浏览 2
基因组分类GPL246769606
GSE292487: FADS2 Mediated Nrf2-SLC7A11 Axis Activation Promotes Breast Ductal Carcinoma in Situ Progression via Glutamate Efflux

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-28

资源简介

FADS2介导Nrf2-SLC7A11轴激活通过谷氨酸外排促进乳腺导管原位癌进展

FADS2 Mediated Nrf2-SLC7A11 Axis Activation Promotes Breast Ductal Carcinoma in Situ Progression via Glutamate Efflux

该数据集来自NCBI GEO,标题为FADS2介导Nrf2-SLC7A11轴激活通过谷氨酸外排促进乳腺导管原位癌进展,包含1个文件GSE292487_series_matrix.txt.gz,属于高通量测序表达谱数据,平台为GPL24676,物种为9606(人类)。源站描述显示研究利用质谱成像刻画DCIS、同步IDC的DCIS及IDC病灶的小分子代谢谱,发现IDC中多不饱和脂肪酸积累显著高于DCIS(P<0.05),并与脂肪酸去饱和酶2表达上调一致。该数据可用于探索DCIS向IDC进展的代谢与表达特征(来源 NCBI)。

【数据集背景】

源站首次发布:Mar 20 202。

【数据内容】

源站描述(机器翻译,仅供参考):阐明从导管原位癌(DCIS,浸润性导管癌(IDC)的非必然前驱病变)进展的机制仍是肿瘤学中的关键挑战。对具有差异侵袭性的病灶进行代谢谱分析可能有助于揭示DCIS进展背后的关键驱动因素。本研究采用质谱成像描绘DCIS、同步IDC的DCIS以及IDC病灶的小分子代谢谱。研究识别了驱动DCIS向IDC进展的关键代谢改变,包括肿瘤组织中脂肪酸生物合成升高。比较分析显示,IDC中多不饱和脂肪酸(PUFAs)的积累显著高于DCIS(P<0.05),这与免疫组化验证显示IDC中脂肪酸去饱和酶2表达上调一致。DCIS病灶主要积累磷脂酰肌醇 wit

【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:GPL24676、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=GSE292487

【使用注意】

· 源站最后修改于 Jul 13 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE292487

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

阐明导管原位癌(DCIS)——浸润性导管癌(IDC)的非必然前驱病变——的进展机制,仍是肿瘤学领域的一项关键挑战。对具有不同侵袭性的病变进行代谢谱分析,可能有助于揭示DCIS进展背后的关键驱动因素。本研究采用质谱成像技术,描绘了DCIS、伴同步IDC的DCIS以及IDC病变的小分子代谢谱。研究识别出驱动DCIS向IDC进展的关键代谢改变,包括肿瘤组织中脂肪酸生物合成的升高。比较分析显示,IDC中多不饱和脂肪酸(PUFAs)的蓄积显著高于DCIS(P<0.05),这与免疫组化验证显示的IDC中脂肪酸去饱和酶2表达上调相一致。DCIS病变主要蓄积含饱和/单不饱和酰基链的磷脂酰肌醇,而IDC则表现出含PUFA的磷脂酰肌醇的显著富集(P<0.01)。

此外,与DCIS相比,IDC中抗氧化分子(牛磺酸、抗坏血酸、谷胱甘肽)及解毒酶谷胱甘肽S-转移酶mu 2的水平显著降低(P<0.05),表明氧化还原稳态失调。引人注目的是,伴有同步IDC的DCIS显示出与IDC高度一致的代谢特征,提示其在恶性进展中充当过渡状态。这些发现表明,DCIS恶性进展表现出对PUFAs/磷脂酰肌醇的代谢依赖性,并伴随PUFA消耗和抗氧化剂耗竭。靶向PUFA生物合成或氧化还原稳态调节因子的治疗策略,可能为追踪和拦截DCIS进展提供新的转化研究途径。

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。

获取专属数据定制方案