胎儿与成体前列腺干细胞的分子特征
该数据集来自 omicsdi.org,属于肿瘤/前列腺癌分类,主题标签为 Transcriptomics。数据内容为成体与胎儿小鼠前列腺干细胞的全局基因表达谱,用于确定两者共有的和特有的调控因子,这些因子的异常表达可能与前列腺癌的发生有关

基本信息
资源简介
胎儿与成体前列腺干细胞的分子特征
该数据集来自 omicsdi.org,属于肿瘤/前列腺癌分类,主题标签为 Transcriptomics。数据内容为成体与胎儿小鼠前列腺干细胞的全局基因表达谱,用于确定两者共有的和特有的调控因子,这些因子的异常表达可能与前列腺癌的发生有关。研究识别出胎儿与成体原始前列腺细胞共有的核心转录调控因子,以及各自独有的分子。共有的特征包括 Wnt、Shh 等通路表达谱、芳香烃受体特征、醛脱氢酶/维甲酸受体轴成分上调,以及以脂质代谢酶过表达和 Srebp1 结合基序为标志的脂质代谢特征。该数据可用于比较胎儿与成体前列腺干细胞的分子差异,并探索其与前列腺癌发生的潜在联系(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):测定成体和胎儿小鼠前列腺干细胞的全局基因表达谱,以确定共有的和特有的调控因子,这些因子的异常表达可能在前列腺癌的发生中发挥作用。研究识别出胎儿和成体原始前列腺细胞共有的一个独特的转录调控因子核心,以及各自群体独有的分子。胎儿和成体前列腺干细胞共有的要素包括 Wnt、Shh 及其他在其他器官干细胞中已识别的通路的表达谱、芳香烃受体的特征,以及醛脱氢酶/维甲酸受体轴成分的上调。还存在一个显著的脂质代谢特征,以脂质代谢酶过表达和 Srebp1 结合基序的存在为标志。胎儿干细胞群体,其特征为更多
【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-15580
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-15580
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
为明确可能在前列腺癌发生中起作用而异常表达的共有及独特调控因子,我们对成年和胎鼠前列腺干细胞的全局基因表达谱进行了测定。鉴定出胎儿和成年原始前列腺细胞共有的一个独特转录调控因子核心,以及各自群体独有的分子。胎儿和成年前列腺干细胞共有的要素包括Wnt、Shh及其他器官干细胞中已鉴定的通路的表达谱、芳香烃受体的特征,以及醛脱氢酶/视黄酸受体轴组分的上调。还存在一个显著的脂质代谢特征,表现为脂质代谢酶的过表达和Srebp1结合基序的存在。胎儿干细胞群体以更快的增殖和自我更新为特征,高表达细胞周期调控因子,如E2f、Nfy、Tead2和Ap2,而成年干细胞则显示出TGF-β发挥突出作用的特征。
最后,将原始前列腺细胞的标志物特征与先前描述的人类前列腺肿瘤特征进行比较,发现了在前列腺肿瘤中表达失调的干细胞分子和途径,包括染色质修饰因子和癌基因Erg。我们的数据表明,成体前列腺干细胞或祖细胞在肿瘤发生过程中可能获得自我更新的原始胎儿前列腺细胞的特征,并提示前列腺干细胞途径组分的异常激活可能促进前列腺肿瘤的发展。为了识别在原始前列腺群体中活跃的分子和途径,我们确定了四种细胞群体的转录谱:(i) 胎儿泌尿生殖窦上皮细胞,富含胎儿前列腺干细胞,(ii) Sca-1Hi细胞,即表达高水平Sca-1的细胞,富含成体前
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。




