吉西他滨耐药胰腺癌AsPC-1细胞STYK1敲低RNA测序分析

该数据集为吉西他滨耐药胰腺癌AsPC-1细胞中STYK1敲低后的RNA测序数据,来源于NCBI GEO(GSE348513),包含1个系列矩阵文件

geo
浏览 2
时间序列预测GPL342849606
GSE348513: RNA sequence analysis of STYK1 knockdown in Gemcitabine-resistant pancreatic cancer AsPC-1 cells

基本信息

模态
时间序列
任务类型
预测
创建/更新时间
2026-10-24

资源简介

吉西他滨耐药胰腺癌AsPC-1细胞STYK1敲低RNA测序分析

RNA sequence analysis of STYK1 knockdown in Gemcitabine-resistant pancreatic cancer AsPC-1 cells

该数据集为吉西他滨耐药胰腺癌AsPC-1细胞中STYK1敲低后的RNA测序数据,来源于NCBI GEO(GSE348513),包含1个系列矩阵文件。数据覆盖STYK1敲低引起的转录组表达谱变化,可用于分析STYK1调控的基因表达改变及相关信号通路,为研究胰腺导管腺癌化疗耐药分子机制提供转录组资源(来源 NCBI)。

【数据集背景】

源站首次发布:Sep 24 202。

【数据内容】

源站描述(机器翻译,仅供参考):胰腺导管腺癌(PDAC)是最致命的恶性肿瘤之一,吉西他滨耐药仍是有效治疗的主要障碍。丝氨酸/苏氨酸/酪氨酸激酶1(STYK1)已被认为与癌症进展相关;然而,其在PDAC化疗耐药中的作用仍不清楚。在本研究中,我们进行了RNA测序,以研究胰腺癌细胞中STYK1介导的吉西他滨耐药相关的分子改变。转录组分析显示,STYK1敲低诱导基因表达谱的广泛变化,并识别出可能参与STYK1调控的肿瘤进展的信号通路。这些RNA-seq数据为理解STYK1在PDAC中功能的分子机制提供了见解,并可作为进一步研究胰腺癌化疗耐药的宝贵资源。

【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=GSE348513

【使用注意】

· 源站最后修改于 Oct 21 202,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=GSE348513

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

胰腺导管腺癌(PDAC)是一种致死率极高的恶性肿瘤,吉西他滨耐药仍是有效治疗的主要障碍。丝氨酸/苏氨酸/酪氨酸激酶1(STYK1)被认为与癌症进展相关;然而,其在PDAC化疗耐药中的作用仍不清楚。在本研究中,我们进行了RNA测序,以探究胰腺癌细胞中STYK1介导的吉西他滨耐药相关的分子改变。转录组分析显示,STYK1敲低可引起基因表达谱的广泛变化,并鉴定出可能参与STYK1调控的肿瘤进展的信号通路。这些RNA-seq数据为理解STYK1在PDAC中发挥功能的分子机制提供了见解,并为进一步研究胰腺癌化疗耐药提供了宝贵的资源。

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