CDK12抑制揭示黑色素瘤依赖RUNX1/CBFβ复合体维持基因组稳定性
该数据集来自NCBI GEO,包含一项全基因组CRISPR/Cas9筛选的高通量测序表达谱数据,聚焦于CDK12抑制后黑色素瘤细胞的基因表达变化

基本信息
资源简介
CDK12抑制揭示黑色素瘤依赖RUNX1/CBFβ复合体维持基因组稳定性
CDK12 inhibition reveals melanoma dependence on the RUNX1/CBFβ complex for genomic stability
该数据集来自NCBI GEO,包含一项全基因组CRISPR/Cas9筛选的高通量测序表达谱数据,聚焦于CDK12抑制后黑色素瘤细胞的基因表达变化。研究通过筛选发现RUNX1及其辅因子CBFβ是CDK12的合成致死伙伴,并验证了联合抑制CDK12与RUNX1可在体内抑制黑色素瘤生长。数据可用于探索黑色素瘤对CDK12抑制的补偿机制、DNA损伤修复通路及潜在联合治疗靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 16 202。
【数据内容】
源站描述(机器翻译,仅供参考):皮肤黑色素瘤是最致命的皮肤癌形式,常由RAS/丝裂原活化蛋白激酶(MAPK)通路的过度激活驱动。细胞周期蛋白依赖性激酶12(CDK12)作为MAPK信号的下游效应器,因其在转录调控和DNA损伤修复中的关键作用而成为治疗靶点。为揭示与CDK12抑制相关的脆弱性,我们进行了全基因组CRISPR/Cas9筛选,并鉴定出Runt相关转录因子RUNX1及其辅因子CBFβ是CDK12的合成致死伙伴。RUNX1抑制以不依赖p53的方式增强黑色素瘤对CDK12抑制剂的敏感性,导致DNA损伤积累和修复能力受损。联合抑制CDK12和RUNX1在体内抑制了黑色素瘤生长。这些发现揭示了RUNX1/CBFβ作为CDK12抑制的黑色素瘤中的一种补偿机制。
【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:GPL30173、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=GSE308214
【使用注意】
· 源站最后修改于 Jan 02 202,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=GSE308214
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
皮肤黑色素瘤是皮肤癌中最致命的类型,通常由RAS/丝裂原活化蛋白激酶(MAPK)通路的过度激活驱动。细胞周期蛋白依赖性激酶12(CDK12)作为MAPK信号的下游效应分子,因其在转录调控和DNA损伤修复中的关键作用而成为治疗靶点。为揭示与CDK12抑制相关的脆弱性,我们进行了全基因组CRISPR/Cas9筛选,并鉴定出Runt相关转录因子RUNX1及其辅因子CBFβ为CDK12的合成致死伙伴。抑制RUNX1以不依赖p53的方式增强黑色素瘤对CDK12抑制剂的敏感性,导致DNA损伤积累和修复能力受损。联合抑制CDK12和RUNX1在体内抑制了黑色素瘤生长。这些发现揭示了RUNX1/CBFβ作为CDK12抑制的黑色素瘤中的代偿机制,并建立了一种具有联合治疗转化潜力的新型合成致死相互作用。
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。




