PRJNA1217441：丝氨酸tRNA竞争调控丝氨酸敏感密码子的mRNA翻译
该数据集来自NCBI，包含PATU-8902对照与ELAC2敲除细胞系的核糖体保护片段测序数据及charged tRNA-seq数据
基本信息
资源简介
PRJNA1217441：丝氨酸tRNA竞争调控丝氨酸敏感密码子的mRNA翻译
PRJNA1217441 是一个以“Serine tRNAs Compete to Regulate the mRNA Translation Of Serine-sensitive Codons”为主题的公开测序数据集，归属于肿瘤/胰腺癌研究方向，来源于 NCBI（ncbi.nlm.nih.gov）。该数据集收录了从 PATU-8902 对照细胞系与 ELAC2 敲除（KO）细胞系中获得的核糖体保护片段测序数据以及 charged tRNA-seq 数据。相关细胞系培养于含 10% 透析胎牛血清（dialyzed FBS）和 1% 青霉素/链霉素（Pen/Strep）的 DMEM 培养基中，并分别在添加或不添加 400 μM 丝氨酸（Ser）与 400 μM 甘氨酸（Gly）的条件下处理 24 小时。数据集的主题标签为“Raw sequence reads”，即以原始测序读段形式提供数据。
【数据集背景】
该数据集围绕丝氨酸 tRNA 与丝氨酸敏感密码子 mRNA 翻译调控之间的关系展开。研究关注在胰腺癌细胞系 PATU-8902 中，ELAC2 基因敲除对核糖体保护片段及 charged tRNA 水平的影响，并结合外源丝氨酸与甘氨酸的添加条件，考察氨基酸供应变化下的翻译调控特征。数据集所属分类为肿瘤/胰腺癌，说明其研究对象与胰腺癌细胞的翻译调控机制相关。
【数据内容】
数据集包含两类测序数据：一是核糖体保护片段（ribosome protected fragments）测序数据，用于反映核糖体在 mRNA 上的占据情况；二是 charged tRNA-seq 数据，用于表征负载氨基酸的 tRNA 状态。样本来自 PATU-8902 对照细胞系与 ELAC2 敲除细胞系，分别在添加或不添加 400 μM Ser 与 400 μM Gly 的条件下培养 24 小时后采集。数据以原始测序读段（Raw sequence reads）形式组织。
【采集与来源】
数据来源于 NCBI，源站为 ncbi.nlm.nih.gov。样本制备基于 PATU-8902 对照与 ELAC2 敲除细胞系，培养基为 DMEM + 10% 透析 FBS + 1% Pen/Strep，处理条件为含或不含 400 μM Ser 与 400 μM Gly，处理时长 24 小时。测序类型包括核糖体保护片段测序与 charged tRNA-seq。
【适用场景】
该数据集适用于胰腺癌相关翻译调控研究，尤其是涉及丝氨酸 tRNA 竞争、丝氨酸敏感密码子翻译效率、ELAC2 功能缺失效应以及氨基酸供应变化对翻译影响的分析场景。也可用于核糖体 profiling 与 charged tRNA 测序数据的整合分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/bioproject/PRJNA1217441
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
在本数据集中，我们纳入了从PATU-8902对照和ELAC2敲除（KO）细胞系获得的核糖体保护片段测序数据和带电tRNA-seq数据，这些细胞系在含10%透析胎牛血清和1%青霉素/链霉素的DMEM培养基中培养，并分别在不添加或添加400μM丝氨酸和400μM甘氨酸的条件下处理24小时。
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。
