GSE138198甲状腺癌与桥本背景表达谱

内分泌系统疾病领域表格公开数据集,来源:ncbi。

NCBI GEO contributorsNCBI GEO contributors
NCBI Gene Expression Omnibus
浏览 15
表格分类Expression profiling by arrayGPL62449606
GSE138198 PTC and Hashimoto thyroiditis expression

基本信息

模态
表格
大小
0.133172019 GB
数据量
30
任务类型
分类
创建/更新时间
2026-09-27

资源简介

GSE138198甲状腺癌与桥本背景表达谱

【数据集背景】

本数据集源站标题为《Differentially expression profiling in Hashimoto''s thyroiditis (HT), papillary thyroid carcinoma (PTC) with HT in background, PTC without HT in background, micro PTC (mPTC), and three normal thyroid samples (TN).》。源站首次发布:Sep 30 201。

【数据内容】

源站原始描述:Experiment: Establishment of expression profiles in HT, PTC with HT, PTC without HT, and mPTC in comparison to TN samples. TN samples were downloaded as CEL files from the repository of the microarray vendor. Biostatistical analysis focussed in first instance on identifying genes and biofunctions related to HT and PTC with HT

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Expression profiling by array、GPL6244、9606。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE138198

【使用注意】

· 源站最后修改于 Jul 13 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE138198

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

包含PTC伴或不伴桥本背景、微小PTC、桥本甲状腺炎和正常甲状腺表达数据。

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。

获取专属数据定制方案