AML患者个体多药耐药模式提示需要个性化分子分析

含11对AML患者诊断和复发配对样本的qRT-PCR基因表达数据,用于研究个体化多药耐药模式。

NIAID Data Ecosystem
浏览 19
基因组Expression profiling by RT-PCRGPL148999606
Individual multidrug resistance patterns in AML patients point to the need for personalized molecular analysis

基本信息

模态
基因组
创建/更新时间
2026-10-07

资源简介

AML患者个体多药耐药模式提示需要个性化分子分析

【一句话概览】

该研究基于AML患者诊断与复发时获得的配对样本,采用基于TaqMan的qRT-PCR评估380个多药耐药相关基因。源站标题指出,AML患者个体多药耐药模式提示需要个性化分子分析。文件数1,标签为Expression profiling by RT-PCR、GPL14899、9606(来源 NCBI)。

【数据集背景】

本数据集源站标题为《Individual multidrug resistance patterns in AML patients point to the need for personalized molecular analysis》。源站首次发布:Nov 17 201。

【数据内容】

源站原始描述:In this unique study, based on paired samples obtained at AML diagnosis and at relapse, we assessed 380 multidrug-resistance-related genes, using TaqMan-based qRT-PCR

中文译文(机器翻译,仅供快速理解,请以原文为准):在这项独特的研究中,我们基于在AML诊断时和复发时获取的配对样本,采用基于TaqMan的qRT-PCR,评估了380个多药耐药相关基因,

【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 RT-PCR、GPL14899、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=GSE33787

【使用注意】

· 源站最后修改于 Sep 03 201,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=GSE33787

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