邻苯二甲酸盐-甲状腺癌数据集
该数据集整合了基因、蛋白质、化合物毒性及临床遗传学数据，主要包含通过生物信息学方法筛选的与邻苯二甲酸盐毒性和甲状腺癌相关的候选基因、蛋白质相互作用网络、通路富集分析结果，以及基于FinnGen数据库的孟德尔随机化分析数据。其数据模态涵盖基因列表、蛋白质网络、通路注释和临床遗传关联统计。该数据集主要用于研究环境内分泌干扰物邻苯二甲酸盐暴露与甲状腺癌风险之间的分子关联机制和潜在因果推断，为环境毒理学和肿瘤病因学提供计算证据支持。
基本信息
资源简介
邻苯二甲酸盐-甲状腺癌数据集
【数据集背景】
本数据集源站标题为《Phthalates- Thyroid cancer》。源站首次发布：2025-12-08。
【数据内容】
源站原始描述：First, the potential toxicity of phthalates was evaluated using online toxicity prediction platforms. Toxicological targets were retrieved from SwissTargetPrediction, ChEMBL, and STITCH databases and subsequently consolidated. Potential targets were then screened using a network toxicology approach, while thyroid cancer-related genes were comprehensively collected from the GeneCards database. Using R language and associated packages, the intersection of these two gene sets was identified as cand…
【数据结构与技术规格】
文件数 2 个，合计 61.96 MB。数据集 DOI：10.17632/g58pt4b6gm.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/g58pt4b6gm
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/g58pt4b6gm
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
该数据集是一个用于研究邻苯二甲酸盐与甲状腺癌关联的综合性生物信息学数据集。它整合了多源数据，包括通过在线毒性平台评估的邻苯二甲酸盐潜在毒性信息、从SwissTargetPrediction、ChEMBL和STITCH数据库获取的毒理学靶点、从GeneCards数据库收集的甲状腺癌相关基因，以及来自FinnGen数据库的甲状腺癌相关遗传数据。数据集构建过程涉及网络毒理学分析、基因集交集筛选、KEGG通路与GO功能富集分析、蛋白质-蛋白质相互作用网络构建、孟德尔随机化分析以及分子对接与动力学模拟。其主要研究方向是探索环境污染物（邻苯二甲酸盐）与甲状腺癌发生发展的分子机制和潜在因果关系，应用于环境毒理学、癌症生物标志物发现及计算药物筛选等领域。
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。
