急性髓系白血病样本的化学基因组筛选
急性髓系白血病（AML）患者及模型样本的基因表达谱与12000种化合物筛选数据，用于分析药物反应与基因表达的关系。
基本信息
资源简介
急性髓系白血病样本的化学基因组筛选
【一句话概览】
该研究聚焦急性髓系白血病（AML）：其占儿童白血病20%，却因化疗耐药或复发导致多数儿童疾病相关死亡，亟需按特定遗传亚组定制治疗。研究报道了使用12,000种化合物在人白血病模型、匹配的患者诊断与复发样本及细胞系中进行的小分子筛选结果，并开展表达谱分析以关联药物反应与样本间基因表达差异；总体设计为对患者AML样本、已建立细胞系和合成模型进行表达谱分析。数据编号PRJNA857082，来自University of Montreal（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Chemogenomic screening of acute myeloid leukemia samples》。源站首次发布：2025-01-15。
【数据内容】
源站原始描述：Acute myeloid leukemia (AML) represents 20% of pediatric leukemia, but accounts for most of disease-related mortality in children, due to chemo-resistance or relapse. Treatment modalities tailored according to specific AML genetic subgroups are critically needed to improve survival and decrease morbidity. To address this need we report here the results of a small molecule screen that was performed using 12,000 compounds using human leukemia models, matched patient diagnostic and relapse samples,…
中文译文（机器翻译，仅供快速理解，请以原文为准）：急性髓系白血病（AML）占儿童白血病的20%，但由于化疗耐药或复发，其占儿童疾病相关死亡率的大部分。迫切需要根据特定的AML遗传亚组制定量身定制的治疗方式，以提高生存率并降低发病率。为满足这一需求，我们在此报告一项小分子筛选的结果，该筛选使用12,000种化合物，采用人白血病模型、匹配的患者诊断和复发样本以及细胞系进行。作为这项工作的一部分，进行了表达谱分析，以便将药物反应与样本间的基因表达差异相关联。总体设计：对来自患者、已建立细胞系和合成模型的AML样本进行表达谱分析
【主题与分类】
主题标签：PRJNA857082、University of Montreal。
【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/sra/SRP385610
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/sra/SRP385610
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。
