PRJNA1163680:PROX1 是前列腺癌 AR 通路缺失与谱系可塑性的早期驱动因子
该数据集来自 NCBI,主题为前列腺癌谱系可塑性研究,聚焦 PROX1 在 AR 活性低下肿瘤、双阴性前列腺癌(DNPC)及神经内分泌前列腺癌(NEPC)中的早期上调作用

基本信息
资源简介
PRJNA1163680:PROX1 是前列腺癌 AR 通路缺失与谱系可塑性的早期驱动因子
该数据集来自 NCBI,主题为前列腺癌谱系可塑性研究,聚焦 PROX1 在 AR 活性低下肿瘤、双阴性前列腺癌(DNPC)及神经内分泌前列腺癌(NEPC)中的早期上调作用。数据整合了转移性去势抵抗性前列腺癌患者肿瘤、患者来源异种移植瘤和细胞模型的基因组分析,主题标签为转录组或基因表达。可用于探索谱系可塑性早期驱动因子、识别处于或面临谱系可塑性风险的肿瘤,以及研究 AR 通路缺失相关机制(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):前列腺癌中的谱系可塑性现已被认为是致死性的关键决定因素。它代表一个连续谱,从 AR 活性低的肿瘤到不表达神经内分泌前列腺癌(NEPC)程序的双阴性前列腺癌(DNPC),再到完全 AR 阴性的 NEPC 肿瘤。尽管其重要性,谱系可塑性过程中早期上调的因子尚未被鉴定。鉴定此类因子对于检测正在经历谱系可塑性或存在发生该过程风险的肿瘤至关重要。通过对转移性去势抵抗性前列腺癌患者肿瘤、患者来源异种移植瘤和细胞模型的整合基因组分析,我们发现 PROX1 在谱系可塑性连续谱中早期上调,尤其是在 AR 活性低的肿瘤中,并在 DNPC 和 NEPC 肿瘤中逐步增加。我们的 fun
【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/PRJNA1163680
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/PRJNA1163680
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
前列腺癌中的谱系可塑性现已被认为是致死性的关键决定因素。它代表一个连续谱,从AR活性低的肿瘤到不表达神经内分泌前列腺癌(NEPC)程序的AR缺失肿瘤——称为双阴性前列腺癌(DNPC)——以及完全AR缺失的NEPC肿瘤。尽管其重要性,谱系可塑性过程中早期上调的因素尚未被确定。识别这些因素对于检测正在经历谱系可塑性或有发展风险的肿瘤至关重要。通过对转移性去势抵抗性前列腺癌患者肿瘤、患者来源的异种移植和细胞模型进行整合基因组分析,我们发现PROX1在谱系可塑性连续谱中早期上调,特别是在AR活性低的肿瘤中,并在DNPC和NEPC肿瘤中逐渐增加。我们的功能研究表明,PROX1在NEPC中发挥关键作用,因为使用慢病毒shRNA敲低(KD)它可减少神经内分泌表型,降低细胞增殖,并增加细胞凋亡。
在本数据集中,我们提供了NEPC细胞(NCI-H660)中PROX1敲低后的RNA-seq数据,揭示了PROX1抑制所改变的关键通路。这些发现表明,PROX1是NEPC治疗中一个有前景的靶点。总体设计:通过高通量测序进行表达谱分析
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。




