MEN1胃肠胰神经内分泌肿瘤microRNA调控网络数据集
该数据集包含MEN1（多发性内分泌腺瘤病1型）胃肠胰神经内分泌肿瘤病例的microRNA表达数据与生物信息学分析结果，数据模态包括基因表达计数表格和差异表达分析、基因集富集分析（GSEA）的统计结果表格，主要用于研究MEN1相关肿瘤中microRNA的调控网络、差异表达模式及其在肿瘤发生发展中的作用，为肿瘤生物学和表观遗传调控研究提供数据支持。
基本信息
资源简介
MEN1胃肠胰神经内分泌肿瘤microRNA调控网络数据集
【数据集背景】
本数据集源站标题为《miRRN_MEN1_GEP_NT》。源站首次发布：2021-11-24。
【数据内容】
源站原始描述："MicroRNAs Regulatory Network governing the epigenetic landscape of MEN1 gastroenteropancreatic neuroendocrine tumour: a case report." SUPPLEMENTARY DATA TABLES Table 1: Raw_miRNA_counts.xls Table containing all the raw mature miRNA counts (according to miRBase 22.1) of the samples used in the current study. Table 2: Tumour_vs_Ctrl.xls Table containing the output results of differential expression analysis performed with DESeq2 by comparing tumour (gastrinomas+pNETs) and control MEN1 pancreas. R…
【数据结构与技术规格】
文件数 5 个，合计 1.26 MB。数据集 DOI：10.17632/wfm74g24d7.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/wfm74g24d7
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://data.mendeley.com/datasets/wfm74g24d7
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
该数据集来源于一项关于MEN1（多发性内分泌腺瘤病1型）胃肠胰神经内分泌肿瘤（GEP-NET）中microRNA调控网络与表观遗传景观的病例研究报告。数据集包含五个补充数据表格：Table 1为所有样本的原始成熟microRNA计数数据（基于miRBase 22.1）；Table 2至Table 4分别展示了使用DESeq2进行差异表达分析的结果，比较了肿瘤样本（胃泌素瘤和pNETs）与对照MEN1胰腺组织；Table 5包含了通过miRWalk 3.0对microRNA调控网络枢纽的预测靶点进行基因集富集分析（GSEA）的结果。数据来源于公开的病例研究，主要用于研究MEN1相关肿瘤中microRNA的表达谱、差异表达模式及其潜在的调控网络，为理解该疾病的分子机制和寻找潜在生物标志物提供支持。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
