miR-383-5p, miR-181a-5p 和 miR-181b-5p 作为肢端肥大症中对第一代生长抑素受体配体反应的预测因子
包含10名肢端肥大症患者对第一代生长抑素受体配体治疗反应的微小RNA表达数据，评估miR-383-5p等作为预测因子的潜力。
基本信息
资源简介
miR-383-5p, miR-181a-5p 和 miR-181b-5p 作为肢端肥大症中对第一代生长抑素受体配体反应的预测因子
【一句话概览】
本数据集是 Dataverse 公开的组学数据集，收录 1 个文件、合计 37.65 KB，主题涵盖 Mirnome GH-secreting adenoma、Medicine, Health and Life Sciences，可用于生物标志物发现与分子分型研究。
【数据集背景】
本数据集源站标题为《miR-383-5p, miR-181a-5p and miR-181b-5p as predictors of response to first-generation somatostatin receptor ligands in ac-romegaly》。源站首次发布：2023-01-05。
【数据内容】
源站原始描述：Mirnome of Ten patients with acromegaly in treatment with first-generation somatostatin receptor ligands (fg-SRLs): five controlled and five uncontrolled by fg-SRLs treatment. Controlled patients was were defined as GH < 1.0 ng/mL and normal IGF-I adjusted for age
中文译文（机器翻译，仅供快速理解，请以原文为准）：10例接受第一代生长抑素受体配体（fg-SRLs）治疗的肢端肥大症患者的miRNome：5例经fg-SRLs治疗控制，5例经fg-SRLs治疗未控制。控制患者定义为GH < 1.0 ng/mL且年龄校正后IG
【数据结构与技术规格】
文件数 1 个，合计 37.65 KB。数据集 DOI：doi:10.7910/DVN/XVTSMO。
【主题与分类】
主题标签：Mirnome GH-secreting adenoma、Medicine, Health and Life Sciences。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/XVTSMO
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://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XVTSMO
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。
