PRJNA688296:miR122与miR144通过抑制ADAM10和C-Met在葡萄膜黑色素瘤中的潜在抑癌作用
该数据集来自NCBI,主题为转录组或基因表达,聚焦葡萄膜黑色素瘤(UM)中miR122与miR144通过调控ADAM10和C-Met可能发挥的抑癌作用

基本信息
资源简介
PRJNA688296:miR122与miR144通过抑制ADAM10和C-Met在葡萄膜黑色素瘤中的潜在抑癌作用
该数据集来自NCBI,主题为转录组或基因表达,聚焦葡萄膜黑色素瘤(UM)中miR122与miR144通过调控ADAM10和C-Met可能发挥的抑癌作用。研究分析了TCGA的UM数据集、另外两个原发肿瘤队列及五株人UM细胞系,采用miR微阵列、RT-qPCR、Western blotting、miR转染和荧光素酶报告基因实验检测表达。结果提示miR122和miR144在UM细胞系及TCGA UM数据集中低表达,并在七例UM样本中较正常脉络膜下调。数据可用于探索UM中miRNA与靶基因的调控关系及转移相关机制(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):葡萄膜黑色素瘤(UM)是一种罕见的眼部肿瘤,约半数患者会发生致命的转移。ADAM10与UM中c-Met的表达相关,且这两种分子的高水平均与转移的发生有关。MiR122和MiR144在不同背景下调节ADAM10和c-Met的表达。我们假设miR122和miR144通过调节UM中的ADAM10和c-Met发挥潜在的抑癌作用。我们通过miR微阵列、RT-qPCR、Western blotting、miR转染和荧光素酶报告基因实验,分析了UM癌症基因组图谱数据门户(TCGA)数据集、另外两个原发肿瘤队列和五株人UM细胞系中miR122和miR144的表达。我们的结果表明,miR122和miR144在UM细胞系和TCGA UM数据集中低水平表达,并且与正常脉络膜相比,在一组七例UM样本中被下调。两者
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA688296
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/PRJNA688296
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
葡萄膜黑色素瘤(UM)是一种罕见的眼部肿瘤,约半数患者会发生致命的转移。ADAM10与UM中c-Met的表达相关,且这两种分子的高水平与转移的发生有关。MiR122和miR144在不同环境中调节ADAM10和c-Met的表达。我们假设miR122和miR144通过调节UM中的ADAM10和c-Met发挥潜在的抑癌作用。我们通过miR微阵列、RT-qPCR、Western印迹、miR转染和荧光素酶报告基因实验,分析了UM癌症基因组图谱数据门户(TCGA)数据集、另外两个原发肿瘤队列和五种人UM细胞系中miR122和miR144的表达。我们的结果表明,与正常脉络膜相比,miR122和miR144在UM细胞系和TCGA UM数据集中表达水平较低,并在七个UM样本队列中下调。miR122和miR144均直接靶向ADAM10和c-Met。miR122和miR144的过表达导致UM细胞系中ADAM10和c-Met表达减少,并损害细胞增殖、迁移、细胞周期以及c-Met胞外域的脱落。
我们的研究结果显示,miR122和miR144通过调节ADAM10和c-Met,在葡萄膜黑色素瘤中发挥抑癌作用。总体设计:测量了来自葡萄膜黑色素瘤患者的19个独特样本的miRNA基因表达谱。
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。




