前列腺癌中NFkB通路相互作用机制计算重建的复现数据
该数据集来自 search.dataone.org,属于肿瘤/前列腺癌领域,主题涉及医学、健康与生命科学以及计算机与信息科学

基本信息
资源简介
前列腺癌中NFkB通路相互作用机制计算重建的复现数据
Replication Data for: Computational reconstruction of NFkB pathway interaction mechanisms during prostate cancer
该数据集来自 search.dataone.org,属于肿瘤/前列腺癌领域,主题涉及医学、健康与生命科学以及计算机与信息科学。数据对应前列腺癌中 NFκB 通路相互作用机制的计算重建研究,旨在从高通量基因组数据理解癌症相关通路的生物分子机制。研究识别了 ATF3、CXCL2、DUSP5、JUNB、NEDD9、SELE、TRIB1 和 ZFP36 在该通路中的新作用,以及这些基因间新的机制性相互作用。可用于前列腺癌 NFκB 通路的计算分析与机制探索(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):癌症中的分子研究是生物信息学研究最大的领域之一,但从高通量基因组数据理解癌症相关通路中的生物分子机制仍然是一项挑战。这包括核因子-κB(NFκB)通路,该通路在前列腺癌发生和进展中的炎症反应和细胞增殖中处于核心地位。尽管对其许多成员的生物分子活性进行了密切审查并有了深入理解,但当前的通路成员列表及其相互作用的系统级理解仍不完整。在此,我们提供了在前列腺癌中对 NFκB 通路相互作用机制进行计算重建的第一步。我们识别了 ATF3、CXCL2、DUSP5、JUNB、NEDD9、SELE、TRIB1 和 ZFP36 在该通路中的新作用,以及这些基因之间新的机制性相互作用
【主题与分类】
主题标签:Medicine, Health and Life Sciences、Computer and Information Science。本站分类:肿瘤/前列腺癌。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A1676091993482fe0faee9647df58c2ae49e7bef42d1fe459c72ade30d64d0015
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
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
癌症的分子研究是生物信息学研究中最大的领域之一,但要从高通量基因组数据中理解癌症相关通路的生物分子机制仍然是一项挑战。这包括核因子-κB(NFκB)通路,该通路在前列腺癌发生和发展中的炎症反应和细胞增殖中起着核心作用。尽管对其许多成员的生物分子活性进行了密切研究和深入了解,但目前通路成员列表以及对其相互作用的系统级理解仍不完整。在此,我们迈出了计算重建前列腺癌中NFκB通路相互作用机制的第一步。我们确定了ATF3、CXCL2、DUSP5、JUNB、NEDD9、SELE、TRIB1和ZFP36在该通路中的新作用,以及这些基因与10个已知NFκB通路成员之间的新机制性相互作用。特别是新预测的NEDD9与ZFP36之间的相互作用通过共免疫沉淀得到了验证,NEDD9在前列腺癌细胞生长调节中的潜在生物学作用也得到了验证。
我们将653个基因表达数据集与140万个基因产物相互作用相结合,以预测该通路中另外40个基因的纳入。利用贝叶斯数据整合的最新进展推断通路成员之间相互作用的分子机制,同时提供特定于生物学背景和单个生物分子活动的信息,最终在完全重建的NFkB通路中总共得到112个相互作用:13个(11%)为已知,29个(26%)有现有文献支持,70个(63%)为新发现。该方法可推广至其他组织类型、癌症和生物体,而关于NFkB通路的这些新信息将使我们能够进一步理解前列腺癌,并制定更有效的预防和治疗策略。所有补充图、表、输入数据及分析源代码均可在
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。




