GSE348610：维莫非尼耐药与亲本BRAF V600E小鼠黑色素瘤细胞（5555与5555R）的转录组分析
对BRAF V600E小鼠黑色素瘤细胞系5555及其vemurafenib耐药衍生物5555R进行bulk RNA-seq，以表征获得性BRAF抑制剂耐药相关转录变化；5555R经长期vemurafenib暴露产生
基本信息
资源简介
GSE348610：维莫非尼耐药与亲本BRAF V600E小鼠黑色素瘤细胞（5555与5555R）的转录组分析
Transcriptomic profiling of vemurafenib-resistant versus parental BRAF V600E mouse melanoma cells (5555 and 5555R)
对BRAF V600E小鼠黑色素瘤细胞系5555及其vemurafenib耐药衍生物5555R进行bulk RNA-seq，以表征获得性BRAF抑制剂耐药相关转录变化；5555R经长期vemurafenib暴露产生。与亲本相比，耐药细胞富集炎症和干扰素反应、细胞骨架/肌动蛋白肌球蛋白、机械传感及上皮-间质转化程序。数据伴随研究显示，耐药细胞重新激活肌动蛋白肌球蛋白收缩性，分泌表型改变、M-CSF增加，促单核细胞分化为免疫抑制性肿瘤相关巨噬细胞。文件1个，标签为高通量测序表达谱、GPL24247、10090（来源 NCBI）。
【数据集背景】
源站首次发布：Sep 25 202。
【数据内容】
源站描述（机器翻译，仅供参考）：对BRAF抑制剂（BRAFi）的耐药限制了BRAF突变型黑色素瘤的长期临床获益。为表征获得性BRAFi耐药相关的肿瘤内在转录变化，我们对BRAF V600E小鼠黑色素瘤细胞系5555及其维莫非尼耐药衍生株5555R进行了bulk RNA-seq；5555R由本实验室通过长期暴露于维莫非尼而建立。与亲本细胞相比，耐药细胞表现出炎症和干扰素应答、细胞骨架/肌动球蛋白、机械力感知以及上皮-间质转化程序的富集。这些数据与一项研究相配套，该研究显示，BRAFi耐药黑色素瘤细胞重新激活肌动球蛋白收缩性，并呈现分泌表型改变伴M-CSF增加，从而促进单核细胞向免疫抑制性肿瘤相关巨噬细胞分化。
【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：GPL24247、10090。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=GSE348610
【使用注意】
· 源站最后修改于 Sep 26 202，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=GSE348610
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
对BRAF抑制剂（BRAFi）的耐药限制了BRAF突变型黑色素瘤的长期临床获益。为表征获得性BRAFi耐药相关的肿瘤内在转录变化，我们对BRAF V600E小鼠黑色素瘤细胞系5555及其维莫非尼耐药衍生株5555R进行了bulk RNA-seq；5555R由本实验室通过长期暴露于维莫非尼而建立。与亲本细胞相比，耐药细胞表现出炎症和干扰素应答、细胞骨架/肌动球蛋白、机械力感知以及上皮-间质转化程序的富集。这些数据与一项研究相配套，该研究显示，BRAFi耐药黑色素瘤细胞重新激活肌动球蛋白收缩性，并呈现分泌表型改变伴M-CSF增加，从而促进单核细胞向免疫抑制性肿瘤相关巨噬细胞分化。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
