急性髓系白血病免疫检查点阻断应答的免疫相关因素

急性髓系白血病患者免疫检查点阻断治疗前骨髓免疫基因表达数据,用于预测治疗反应并分析免疫耗竭/衰老相关基因集。

NIAID Data Ecosystem
浏览 16
基因组OtherGPL303159606
Immune Correlates of Response to Immune Checkpoint Blockade in Acute Myeloid Leukaemia

基本信息

模态
基因组
创建/更新时间
2026-10-08

资源简介

急性髓系白血病免疫检查点阻断应答的免疫相关因素

【一句话概览】

本数据集是 NCBI 公开的组学数据集,收录 1 个文件,主题涵盖 Other、GPL30315、9606,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《IMMUNE CORRELATES OF RESPONSE TO IMMUNE CHECKPOINT BLOCKADE IN ACUTE MYELOID LEUKAEMIA》。源站首次发布:Jun 25 202。

【数据内容】

源站原始描述:Immunological classifiers that predict patient outcome and therapeutic responses have been constructed through targeted immune gene expression profiling of pre-treatment bone marrow samples from patients with acute myeloid leukaemia treated with pembrolizumab and hypomethylating agent azacytidine (clinicaltrials.gov identifier: NCT02845297)

中文译文(机器翻译,仅供快速理解,请以原文为准):通过对接受帕博利珠单抗和低甲基化药物阿扎胞苷治疗的急性髓系白血病患者治疗前骨髓样本进行靶向免疫基因表达谱分析,已构建出可预测患者结局和治疗反应的免疫学分类器(clinicaltrials.gov 标识符:NCT02845297)。

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Other、GPL30315、9606。

【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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE178926

【使用注意】

· 源站最后修改于 Sep 18 202,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=GSE178926

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