基于MIEN1的肽段LA3IK对EGF诱导的PC3前列腺癌细胞在0小时、30分钟、1小时和6小时时间点基因表达的影响
该数据集为RNA-seq数据,研究MIEN1衍生肽LA3IK对EGF诱导的PC3前列腺癌细胞在0h、30分钟、1h和6h四个时间点基因表达模式的影响

基本信息
资源简介
基于MIEN1的肽段LA3IK对EGF诱导的PC3前列腺癌细胞在0小时、30分钟、1小时和6小时时间点基因表达的影响
该数据集为RNA-seq数据,研究MIEN1衍生肽LA3IK对EGF诱导的PC3前列腺癌细胞在0h、30分钟、1h和6h四个时间点基因表达模式的影响。通过EGF刺激激活细胞增殖与存活相关信号通路,并引入LA3IK评估其对转录组响应的调节作用。数据可用于识别LA3IK影响的分子通路与基因网络,探索其在调控EGF驱动前列腺癌致癌过程中的潜在治疗作用(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):该RNA-seq数据集研究基于MIEN1的肽LA3IK对EGF诱导的PC3前列腺癌细胞在四个不同时间点(0h未处理、30分钟、1小时和6小时)基因表达模式的影响。EGF刺激用于激活参与细胞增殖和存活的关键信号通路,模拟与癌症进展相关的条件。引入设计靶向MIEN1的LA3IK肽,以评估其对EGF转录组响应随时间的调节作用。通过捕获这些间隔的基因表达变化,本研究旨在识别受LA3IK影响的特定分子通路和基因网络,为其在调节前列腺癌中EGF驱动致癌过程中的潜在治疗作用提供见解。数据将有助于更好地理解LA3IK如何破坏肿瘤
【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/PRJNA1169901
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/PRJNA1169901
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
该RNA-seq数据集研究了基于MIEN1的肽LA3IK对EGF诱导的PC3前列腺癌细胞在四个不同时间点(0小时(未处理)、30分钟、1小时和6小时)基因表达模式的影响。EGF刺激用于激活参与细胞增殖和存活的关键信号通路,模拟与癌症进展相关的条件。引入设计靶向MIEN1的LA3IK肽,以评估其对EGF转录组反应随时间的调节作用。通过捕获这些时间间隔的基因表达变化,本研究旨在识别受LA3IK影响的特定分子通路和基因网络,为其在调节前列腺癌中EGF驱动的致癌过程中的潜在治疗作用提供见解。这些数据将有助于更好地理解LA3IK如何可能破坏促肿瘤信号及其在癌症治疗中的可能应用。总体设计:PC3前列腺癌细胞经无血清饥饿处理24小时,然后在含0.1% FBS的培养基中用EGF和基于MIEN1的肽LA3IK处理。
在治疗后0小时、30分钟、1小时和6小时收集RNA,每个时间点设置三个生物学重复。提取总RNA,制备RNA-seq文库,并在Illumina NextSeq 550测序系统上进行75-bp双端测序。为处理测序数据,使用Fastp对原始文件进行接头修剪和质量过滤。使用HISAT2将reads比对到hg38参考基因组。对于差异基因表达分析,使用Deseq2工具。该设计评估LA3IK在EGF刺激的细胞中如何随时间调节基因表达。
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。




