PHLPP1作为肿瘤抑制因子的鉴定揭示反馈补偿在PTEN突变前列腺癌进展中的作用
该数据集来自omicsdi.org,属于肿瘤/前列腺癌分类,主题为转录组学。研究通过微阵列分析野生型与Pten+/-; Phlpp1-/-小鼠前列腺中的基因表达,鉴定PHLPP1为前列腺肿瘤抑制因子,并揭示Phlpp1缺失导致瘤变、部分Pten缺失时形成癌,以及p53和Phlpp2介导的反馈补偿机制

基本信息
资源简介
PHLPP1作为肿瘤抑制因子的鉴定揭示反馈补偿在PTEN突变前列腺癌进展中的作用
该数据集来自omicsdi.org,属于肿瘤/前列腺癌分类,主题为转录组学。研究通过微阵列分析野生型与Pten+/-; Phlpp1-/-小鼠前列腺中的基因表达,鉴定PHLPP1为前列腺肿瘤抑制因子,并揭示Phlpp1缺失导致瘤变、部分Pten缺失时形成癌,以及p53和Phlpp2介导的反馈补偿机制。数据可用于探索PTEN突变前列腺癌进展至转移性疾病的分子框架及基因表达变化(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):PI 3-激酶/AKT通路的过度激活是许多癌症的驱动力。在此,我们将使AKT失活的磷酸酶PHLPP1鉴定为前列腺肿瘤抑制因子。我们表明,Phlpp1缺失导致小鼠前列腺瘤变,并在部分Pten缺失时导致癌。这种遗传背景最初通过p53和Phlpp2直系同源物触发生长抑制反应,并揭示自发Trp53失活是发展为全面疾病的条件。令人惊讶的是,患者样本中PTEN和PHLPP1的共缺失高度局限于转移性疾病,并与TP53和PHLPP2的缺失紧密相关。这些数据为PTEN突变前列腺癌进展为危及生命的疾病建立了一个概念框架。为了更好地评估Phlpp在前列腺中的作用,我们对WT和Pten+/-; Phlpp1-/-小鼠的基因表达进行了微阵列分析。
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30987
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30987
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
PI 3-激酶/AKT通路的过度激活是许多癌症的驱动力。在此,我们确认了AKT失活磷酸酶PHLPP1作为前列腺肿瘤抑制因子的身份。我们展示,Phlpp1缺失会导致肿瘤形成,并在部分Pten缺失的情况下,在小鼠前列腺中引发癌变。这一遗传背景最初通过p53和Phlpp2同源物触发了一种生长抑制反应,并揭示了Trp53自发失活是发展为全面疾病的条件。令人惊讶的是,在患者样本中,PTEN和PHLPP1的共同缺失高度局限于转移性疾病,并与TP53和PHLPP2的缺失紧密相关。这些数据为PTEN突变型前列腺癌进展为威胁生命的疾病建立了一个概念框架。为了更好地评估Phlpp在前列腺中的作用,我们对野生型和Pten+/-; Phlpp1-/-小鼠进行了基因表达的微阵列分析。
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。




