脂肪细胞驱动的未折叠蛋白反应是转移性前列腺癌细胞共有的转录组特征
该数据集来自 NCBI GEO(GSE180239),聚焦转移性前列腺癌细胞在骨等困难微环境中的存活与进展机制。研究对两种不同前列腺癌细胞系在有无骨髓脂肪细胞共培养条件下进行转录组无偏检测,数据以高通量测序表达谱形式提供,仅含 1 个 series matrix 文件

基本信息
资源简介
脂肪细胞驱动的未折叠蛋白反应是转移性前列腺癌细胞共有的转录组特征
Adipocyte-driven unfolded protein response is a shared transcriptomic signature of metastatic prostate carcinoma cells
该数据集来自 NCBI GEO(GSE180239),聚焦转移性前列腺癌细胞在骨等困难微环境中的存活与进展机制。研究对两种不同前列腺癌细胞系在有无骨髓脂肪细胞共培养条件下进行转录组无偏检测,数据以高通量测序表达谱形式提供,仅含 1 个 series matrix 文件。可用于分析脂肪细胞驱动的未折叠蛋白反应作为转移性前列腺癌共有转录组特征,支持肿瘤微环境互作与应激通路相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 16 202。
【数据内容】
源站描述(机器翻译,仅供参考):目的:为了初步理解使肿瘤细胞能够在骨等困难微环境中存活和进展的分子过程,我们对两种不同前列腺癌细胞系在无骨髓脂肪细胞或有骨髓脂肪细胞存在条件下的转录组进行了无偏检测。
【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:GPL16791、9606。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE180239
【使用注意】
· 源站最后修改于 Oct 16 202,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=GSE180239
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
目的:为了初步了解使肿瘤细胞能够在骨等困难微环境中存活和进展的分子过程,我们对两种不同的前列腺癌细胞系在无骨髓脂肪细胞或有骨髓脂肪细胞存在下的转录组进行了无偏检测。方法:采用3’ RNA-seq(QuantSeq 3′ mRNA)技术。收集单独培养或与脂肪细胞在Transwell中共培养的PC3和ARCaP(M)细胞四个生物学重复的RNA,并在Agilent TapeStation 2200(Agilent Technologies,Santa Clara,CA)上进行质量控制。使用Lexogen的QuantSeq 3’mRNA-seq Library Prep Kit(FWD for Illumina)构建RNAseq文库。将条形码文库以等摩尔浓度多重混合,并在Illumina HiSeq-2500快速模式下以50 bp单端读长进行测序。使用Illumina的CASAVA 1.8.2软件对数据进行去多重化,并将读段比对到人类基因组。采用差异基因表达分析检测脂肪细胞介导的转录组变化。使用TaqMan assays进行qRT–PCR验证。
结果:我们的RNAseq分析以及随后的定量PCR和基于蛋白质的检测表明,内质网(ER)应激和未折叠蛋白反应(UPR)基因的上调是两种不同来源的转移性前列腺癌细胞系之间的共同特征。通路分析和药理学检查突显了ER伴侣蛋白BIP作为该转录组特征的上游协调者。结论:我们的研究为进一步的机制研究铺平了道路,并为转移性疾病的有效治疗干预提供了新线索。
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。




