GSE349766:重新定义Sudan类似物Scarlet808作为癌症多药耐药安全有效逆转剂
研究通过RNA-seq评估多药耐药细胞经Scarlet 808处理后的转录组变化,使用RSEM定量基因表达、DESeq2分析差异表达,并对差异基因进行可视化与聚类,以及KEGG、GO和Hallmark通路富集分析

基本信息
资源简介
GSE349766:重新定义Sudan类似物Scarlet808作为癌症多药耐药安全有效逆转剂
Redefining Sudan analogue Scarlet808 as a safe and effective reversal agent of cancer multidrug resistance
该数据集来自NCBI,包含1个文件(GSE349766_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为人类(9606),平台为GPL37628。研究通过RNA-seq评估多药耐药细胞经Scarlet 808处理后的转录组变化,使用RSEM定量基因表达、DESeq2分析差异表达,并对差异基因进行可视化与聚类,以及KEGG、GO和Hallmark通路富集分析。数据可用于探索Scarlet 808逆转癌症多药耐药的转录组机制及候选基因与通路(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):多药耐药(MDR)由ATP结合盒(ABC)转运蛋白介导,是癌症化疗成功的主要障碍。MDR逆转剂的临床开发一直因固有毒性而面临挑战。在此,我们报告发现Scarlet 808作为ABC转运蛋白的有效且无毒拮抗剂发挥作用。我们进行了RNA测序(RNA-seq),以评估MDR细胞经Scarlet 808处理后的转录组改变。基因表达水平使用RSEM(v1.3.1)定量,差异表达使用DESeq2(v1.42.0)分析。差异表达基因(DEGs)使用ggplot2(v3.4.4)可视化,并使用pheatmap包(v1.0.12)聚类为热图。通路富集分析,包括KEGG(京都基因与基因组百科全书)、GO(基因本体论)和Hallmark通路,均已进行
【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:GPL37628、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=GSE349766
【使用注意】
· 源站最后修改于 Oct 12 202,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=GSE349766
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
多药耐药(MDR)由ATP结合盒(ABC)转运蛋白介导,是癌症化疗成功的主要障碍。MDR逆转剂的临床开发一直因固有的毒性而面临挑战。在此,我们报告发现Scarlet 808可作为ABC转运蛋白的有效且无毒拮抗剂。我们进行了RNA测序(RNA-seq),以评估Scarlet 808处理后MDR细胞中的转录组改变。使用RSEM(v1.3.1)对基因表达水平进行定量,并使用DESeq2(v1.42.0)分析差异表达。差异表达基因(DEGs)使用ggplot2(v3.4.4)进行可视化,并使用pheatmap包(v1.0.12)聚类为热图。通路富集分析,包括KEGG(京都基因与基因组百科全书)、GO(基因本体论)和Hallmark通路,使用clusterProfiler(v4.10.0)进行。所有分析均在R v4.3.1中进行。这些数据集支持相关手稿中描述的发现。
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。




