Hsa-miR-1-2/miR-133a-1簇DNA高甲基化沉默触发前列腺癌侵袭相关癌基因

该数据集来自NCBI GEO(GSE181350),聚焦前列腺癌中Hsa-miR-1-2/miR-133a-1簇因DNA高甲基化而表达沉默、进而触发癌基因并促进肿瘤侵袭性的机制

geo
浏览 9
基因组分类Non-coding RNA profiling by arrayGPL2157210090
GSE181350: Hsa-miR-1-2/miR-133a-1 cluster expression silencing by DNA hypermethylation triggers oncogenes contributing to prostate cancer aggressiveness

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-17

资源简介

Hsa-miR-1-2/miR-133a-1簇DNA高甲基化沉默触发前列腺癌侵袭相关癌基因

Hsa-miR-1-2/miR-133a-1 cluster expression silencing by DNA hypermethylation triggers oncogenes contributing to prostate cancer aggressiveness

该数据集来自NCBI GEO(GSE181350),聚焦前列腺癌中Hsa-miR-1-2/miR-133a-1簇因DNA高甲基化而表达沉默、进而触发癌基因并促进肿瘤侵袭性的机制。数据基于非编码RNA芯片平台(GPL21572),包含1个系列矩阵文件,样本涉及高脂饮食诱导的代谢综合征样C57BL/6J小鼠模型及TRAMP-C1前列腺癌细胞接种。可用于分析癌症相关miRNA表达变化,探索DNA甲基化调控miRNA与前列腺癌进展的关系(来源 NCBI)。

【数据集背景】

源站首次发布:Aug 02 202。

【数据内容】

源站描述(机器翻译,仅供参考):我们建立了一个代谢综合征(MeS)样疾病模型,使用长期喂食高脂饮食(HFD)的C57BL/6J小鼠,并接种TRAMP-C1前列腺癌(PCa)细胞,以研究HFD对癌症相关miRNA表达的影响。

【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:Non-coding RNA profiling by array、GPL21572、10090。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=GSE181350

【使用注意】

· 源站最后修改于 Nov 18 202,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=GSE181350

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

我们利用长期喂食高脂饮食(HFD)并接种TRAMP-C1前列腺癌(PCa)细胞的C57BL/6J小鼠,建立了一个代谢综合征(MeS)样疾病模型,以研究HFD对癌症相关miRNA表达的影响。在本数据集中,我们纳入了从对照饮食(CD)与高脂饮食(HFD)C57BL/6J雄性小鼠中形成的TRAMP-C1肿瘤所获得的表达数据。对于差异表达分析,我们采用了针对两类非配对数据的秩积法(Rank Product Method),并将错误发现率(FDR)设定为 < 0.05。

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