GSE325761:UBTD1 通过 TNF/AP-1 信号轴驱动卵巢癌进展与化疗耐药
该数据集来自 NCBI GEO,包含 GSE325761 系列矩阵文件,聚焦卵巢癌中 UBTD1 的作用机制。研究利用 TCGA 与 GEO 公共数据库分析 UBTD1 表达与预后,并在 A2780 和 SKOV3 细胞中通过 shRNA 敲低 UBTD1,评估增殖、迁移、细胞周期与凋亡变化,结合

基本信息
资源简介
GSE325761:UBTD1 通过 TNF/AP-1 信号轴驱动卵巢癌进展与化疗耐药
UBTD1 Drives Ovarian Cancer Progression and Chemoresistance via the TNF/AP-1 Signaling Axis
该数据集来自 NCBI GEO,包含 GSE325761 系列矩阵文件,聚焦卵巢癌中 UBTD1 的作用机制。研究利用 TCGA 与 GEO 公共数据库分析 UBTD1 表达与预后,并在 A2780 和 SKOV3 细胞中通过 shRNA 敲低 UBTD1,评估增殖、迁移、细胞周期与凋亡变化,结合 RNA 测序和 qRT-PCR 探究下游通路。数据可用于卵巢癌进展与化疗耐药相关表达谱分析与预后预测研究(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 23 202。
【数据内容】
源站描述(机器翻译,仅供参考):含泛素结构域的蛋白 1(UBTD1)是一种参与降解和细胞周期调控的蛋白,其在肿瘤发生中的作用正日益受到关注。卵巢癌(OC)是最致命的妇科癌症,因侵袭性生长和化疗耐药而预后不良。本研究探讨 UBTD1 在 OC 发病机制中的作用。利用癌症基因组图谱(TCGA)和基因表达综合数据库(GEO)等公共数据库分析 UBTD1 表达与预后。通过短发夹 RNA(shRNA)在 A2780 和 SKOV3 细胞中敲低 UBTD1。评估其对增殖、迁移、细胞周期和凋亡的功能影响。使用 RNA 测序和定量逆转录聚合酶链反应(qRT-PCR)研究下游通路。UBTD1 在 OC 中显著过表达,并与生存期缩短相关。其敲低
【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:GPL34284、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=GSE325761
【使用注意】
· 源站最后修改于 Jul 29 202,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=GSE325761
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
含泛素结构域的蛋白1(UBTD1)是一种参与降解和细胞周期调控的蛋白,其在肿瘤发生中的作用正日益受到关注。卵巢癌(OC)是致死率最高的妇科癌症,以侵袭性生长和化疗耐药导致预后不良为特征。本研究探讨UBTD1在OC发病机制中的作用。利用癌症基因组图谱(TCGA)和基因表达综合数据库(GEO)等公共数据库分析UBTD1的表达及预后。通过短发夹RNA(shRNA)在A2780和SKOV3细胞中敲低UBTD1。评估其对增殖、迁移、细胞周期和凋亡的功能影响。采用RNA测序和定量逆转录聚合酶链反应(qRT-PCR)研究下游通路。UBTD1在OC中显著过表达,并与生存期缩短相关。敲低UBTD1可抑制增殖、迁移和侵袭,诱导G0/G1期阻滞(上调p21,下调Cyclin D1),并增强顺铂敏感性。转录组分析显示肿瘤坏死因子(TNF)通路及激活蛋白-1(AP-1)因子FOS/FOSB下调。
异位FOS表达挽救了恶性表型。UBTD1驱动OC进展和化疗耐药,可能通过TNF/AP-1轴发挥作用,并成为预后生物标志物和治疗靶点。
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。




