PRJNA133365:卵巢癌数据集
该数据集来自 NCBI,主题为转录组或基因表达,聚焦卵巢癌(OVCA)化疗耐药相关研究。源站描述显示,研究分析了 1,406 名患者和 116 个癌细胞系的标本和/或基因组数据,在 OVCA 细胞系中经过总计 144 个顺铂处理/恢复周期评估全基因组表达变化与顺铂耐药,并对与顺铂耐药增加相关的基因进

基本信息
资源简介
PRJNA133365:卵巢癌数据集
该数据集来自 NCBI,主题为转录组或基因表达,聚焦卵巢癌(OVCA)化疗耐药相关研究。源站描述显示,研究分析了 1,406 名患者和 116 个癌细胞系的标本和/或基因组数据,在 OVCA 细胞系中经过总计 144 个顺铂处理/恢复周期评估全基因组表达变化与顺铂耐药,并对与顺铂耐药增加相关的基因进行通路分析,同时研究 BAD 蛋白磷酸化及 siRNA 干预。数据可用于探索卵巢癌化疗耐药机制、BAD 凋亡通路与临床结局的关系,以及候选治疗靶点分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):背景。全基因组表达变化与卵巢癌(OVCA)患者化疗耐药的发生相关;细胞死亡 BCL2 拮抗剂(BAD)凋亡通路可能在临床结局中发挥作用。方法。我们分析了来自 1,406 名患者和 116 个癌细胞系的标本和/或基因组数据。在经历总计 144 个(顺铂)处理/恢复周期的 OVCA 细胞系中,评估了全基因组表达变化和顺铂耐药。对与顺铂耐药增加相关的基因进行了通路分析。在患者样本和细胞系中研究了 BAD 蛋白磷酸化,并使用小干扰 RNA(siRNA)探索该通路作为治疗靶点。我们使用来自 60 个人类癌细胞系以及卵巢、bre 的基因组数据,评估了 BAD 通路表达对化疗敏感性和/或临床结局的影响
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA133365
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/bioproject/PRJNA133365
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
背景。全基因组表达变化与卵巢癌(OVCA)患者化疗耐药的发生相关;细胞死亡Bcl2拮抗因子(BAD)凋亡通路可能在临床结局中发挥作用。方法。我们分析了来自1,406例患者和116个癌细胞系的标本和/或基因组数据。在经历总共144个(顺铂)治疗/恢复周期的OVCA细胞系中,评估了全基因组表达变化和顺铂耐药性。对与顺铂耐药性增加相关的基因进行了通路分析。在患者样本和细胞系中研究了BAD蛋白磷酸化,并使用小干扰RNA(siRNA)探索该通路作为治疗靶点。我们利用来自60个人类癌细胞系以及来自1,258例患者的卵巢癌、乳腺癌、结肠癌和脑癌的基因组数据,评估了BAD通路表达对化疗敏感性和/或临床结局的影响。结果。BAD通路与OVCA细胞系顺铂耐药性的演变相关(P<0.001),并且与7种人类癌细胞类型对8种细胞毒性药物的耐药性相关(P<0.05)。
卵巢癌化疗耐药与BAD蛋白磷酸化相关,靶向siRNA调控可产生相应的化疗敏感性变化。一个包含47个基因的BAD通路特征与1,258例卵巢癌、乳腺癌、结肠癌和脑癌患者的生存相关。卵巢癌BAD通路特征的生存优势独立于手术减瘤状态。结论:BAD凋亡通路影响人类癌症对多种化疗药物的敏感性,可能通过调节BAD磷酸化实现。该通路具有临床意义,可作为治疗反应和患者生存的潜在生物标志物,并是一个有前景的治疗靶点。总体设计:28例晚期浆液性上皮性卵巢癌在初次手术时切除,这些患者将接受以铂类为基础的
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




