DNA高甲基化沉默Hsa-miR-1-2/miR-133a-1簇触发前列腺癌侵袭性相关癌基因
该数据集来自 NCBI,属于肿瘤/前列腺癌方向,主题为转录组或基因表达。研究用高脂饮食(HFD)长期喂养的 C57BL/6J 小鼠接种 TRAMP-C1 前列腺癌细胞,构建代谢综合征样疾病模型,以考察高脂饮食对癌症相关 miRNA 表达的影响

基本信息
资源简介
DNA高甲基化沉默Hsa-miR-1-2/miR-133a-1簇触发前列腺癌侵袭性相关癌基因
该数据集来自 NCBI,属于肿瘤/前列腺癌方向,主题为转录组或基因表达。研究用高脂饮食(HFD)长期喂养的 C57BL/6J 小鼠接种 TRAMP-C1 前列腺癌细胞,构建代谢综合征样疾病模型,以考察高脂饮食对癌症相关 miRNA 表达的影响。数据包含对照饮食(CD)与高脂饮食(HFD)C57BL/6J 雄性小鼠中形成的 TRAMP-C1 肿瘤表达数据,采用 Rank Product Method 进行两类非配对差异表达分析,FDR<0.05,样本用 GeneChip® miRNA 4.0 Array(Affymetrix)杂交。可用于研究饮食相关 miRNA 表达变化与前列腺癌侵袭性的关系(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):我们利用长期喂食高脂饮食(HFD)并接种 TRAMP-C1 前列腺癌(PCa)细胞的 C57BL/6J 小鼠,建立了一个代谢综合征(MeS)样疾病模型,以研究 HFD 对癌症相关 miRNA 表达的影响。在本数据集中,我们纳入了来自对照饮食(CD)与高脂饮食(HFD)C57BL/6J 雄性小鼠中形成的 TRAMP-C1 肿瘤的表达数据。对于差异表达分析,我们使用了针对两类非配对数据的 Rank Product Method,以及错误发现率(FDR)< 0.05。总体设计:C57BL/6J 雄性小鼠被喂食高脂饮食(HFD)15 周,然后皮下注射 TRAMP-C1 小鼠前列腺癌细胞。动物在第 27 周被处死,肿瘤样本经过处理,获得总 RNA,并与 GeneChip® miRNA 4.0 Array(Affymetrix)杂交。
【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/PRJNA751617
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/PRJNA751617
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
我们建立了一种代谢综合征(MeS)样疾病模型,使用长期喂食高脂饮食(HFD)的C57BL/6J小鼠,并接种TRAMP-C1前列腺癌(PCa)细胞,以研究HFD对癌症相关miRNA表达的影响。在本数据集中,我们纳入了从对照组饮食(CD)与高脂饮食(HFD)C57BL/6J雄性小鼠中发展的TRAMP-C1肿瘤所获得的表达数据。对于差异表达分析,我们使用了两类非配对数据的Rank Product方法,并将错误发现率(FDR)设定为< 0.05。总体设计:C57BL/6J雄性小鼠喂食高脂饮食(HFD)15周,然后皮下注射TRAMP-C1小鼠前列腺癌细胞。动物在第27周被处死,处理肿瘤样本,提取总RNA,并与GeneChip® miRNA 4.0 Array(Affymetrix)进行杂交。
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。




