PRJNA101933:雄激素非依赖性进展的纵向分析
该数据集来自 ncbi.nlm.nih.gov,属于肿瘤/前列腺癌分类,主题为转录组或基因表达。研究对 LNCaP 细胞进行为期 12 个月的雄激素剥夺,并在反映关键生长与表型变化的时间点开展 Affymetrix 表达芯片分析,覆盖急性响应期、表观静默期以及高增殖、雄激素非依赖细胞(LNCaP-A

基本信息
资源简介
PRJNA101933:雄激素非依赖性进展的纵向分析
该数据集来自 ncbi.nlm.nih.gov,属于肿瘤/前列腺癌分类,主题为转录组或基因表达。研究对 LNCaP 细胞进行为期 12 个月的雄激素剥夺,并在反映关键生长与表型变化的时间点开展 Affymetrix 表达芯片分析,覆盖急性响应期、表观静默期以及高增殖、雄激素非依赖细胞(LNCaP-AI)出现期。数据可用于识别与前列腺癌细胞存活及雄激素非依赖表型相关的分子靶点,分析基因表达随剥夺时间的变化(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):接受雄激素消融治疗(AAT)后,绝大多数前列腺癌患者出现治疗耐药,中位疾病进展时间为18-24个月。为识别有助于前列腺癌细胞存活并促成雄激素非依赖表型的分子靶点,我们评估了LNCaP细胞在12个月雄激素剥夺期间的基因表达变化。在反映关键生长和表型变化的时间点,我们进行了Affymetrix表达芯片分析,以检查雄激素剥夺在急性响应期、表观静默期以及高增殖、雄激素非依赖前列腺癌细胞(LNCaP-AI)出现期的影响。我们发现了一系列与促进前列腺癌细胞生长和存活、调控细胞周期进程相关的分子的基因表达改变
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA101933
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/PRJNA101933
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
在接受雄激素消融治疗(AAT)后,绝大多数前列腺癌患者会出现治疗耐药,疾病进展的中位时间为18-24个月。为了识别有助于前列腺癌细胞存活并促进雄激素非依赖表型的分子靶点,我们评估了LNCaP细胞在12个月雄激素剥夺过程中的基因表达变化。在反映关键性生长和表型变化的时间点,我们采用Affymetrix表达阵列分析,检测了雄激素剥夺在急性反应期、明显静止期以及高度增殖性、雄激素非依赖性前列腺癌细胞(LNCaP-AI)出现期的影响。我们发现,除AR共调节因子和神经内分泌疾病标志物外,一系列与促进前列腺癌细胞生长和存活、调节细胞周期进程、凋亡及肾上腺雄激素代谢相关的分子,其基因表达均发生了改变。这些发现揭示了癌细胞生物学的复杂性和不可预测性,并极大地增进了我们对前列腺癌细胞如何在AAT中存活的了解。
这种纵向方法的价值在于能够考察细胞对雄激素剥夺整个反应过程中的基因表达变化;它不仅能更动态地展示那些促进疾病进展的基因,还能展示构成恶性雄激素非依赖性表型的特定基因。总之,采用诸如本文所提出的新方法对于我们继续探索治疗耐药的细胞机制并确定有前景的靶点以改进癌症治疗至关重要。关键词:时间进程 总体设计:为确定有助于前列腺癌细胞存活并促成雄激素非依赖性表型的分子靶点,我们评估了LNCaP细胞在12 m
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。




