黑色素瘤细胞系转录组与表观基因组图谱
该数据集来自 NCBI,包含黑色素瘤细胞系的全基因组转录组与表观基因组图谱,用于研究肿瘤表观遗传可塑性与非遗传性治疗适应耐药之间的机制关系

基本信息
资源简介
黑色素瘤细胞系转录组与表观基因组图谱
Genome-wide maps of transcriptomic and epigenomic state in melanoma cell lines
该数据集来自 NCBI,包含黑色素瘤细胞系的全基因组转录组与表观基因组图谱,用于研究肿瘤表观遗传可塑性与非遗传性治疗适应耐药之间的机制关系。以 BRAF 突变黑色素瘤细胞的 MAPK 抑制为模型,结合表观基因组与转录组动力学、信息论及动态系统建模,揭示 RelA 在治疗 3 天后驱动染色质重塑,建立编码长期表型变化的表观遗传程序。数据可用于探索黑色素瘤耐药表型转变及 SOX10 抑制相关机制(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):描述了肿瘤表观遗传可塑性与非遗传性治疗适应耐药之间的机制关系,以 BRAF 突变黑色素瘤细胞的 MAPK 抑制为模型系统。抑制后,这些主要为黑色素细胞性的细胞经历可逆的细胞状态变化,最终产生耐药性的间充质样表型。表观基因组和转录组动力学研究,结合信息论和动态系统建模,揭示在治疗仅 3 天后,RelA 驱动染色质重塑以建立编码长期表型变化的表观遗传程序。具体而言,RelA 通过招募 KDM5B 和 HDAC1 到 SOX10 和 NFKBIE 的启动子区域,下调组蛋白标记 H3K4me3 和 H3K27ac,从而转录抑制 SOX10 和 NFKBIE。SOX10 的抑制介导黑色素瘤向耐药难治性表型消退。这些发现被共同
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL16791、9606。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE255263
【使用注意】
· 源站最后修改于 May 14 202,引用时请注意版本时效。
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/geo/query/acc.cgi?acc=GSE255263
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
描述了肿瘤表观遗传可塑性与非遗传性适应性治疗耐药之间的机制关系,并以BRAF突变黑色素瘤细胞的MAPK抑制作为模型系统。抑制后,这些主要为黑色素细胞性的细胞发生可逆的细胞状态变化,最终产生耐药的间充质样表型。表观基因组学和转录组学动力学研究,结合信息论和动态系统建模,揭示仅在治疗3天后,RelA即驱动染色质重塑,建立编码长期表型变化的表观遗传程序。具体而言,RelA通过招募KDM5B和HDAC1至SOX10和NFKBIE的启动子区域,下调组蛋白标记H3K4me3和H3K27ac,从而转录抑制这两个基因。SOX10的抑制介导黑色素瘤向药物难治性表型的退化。这些发现已在接受MAPK抑制剂治疗的黑色素瘤患者中得到证实,为药物暴露后引发的导致耐药的表观遗传重编程提供了机制见解。
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。




