AML患者个体多药耐药模式表明需要个体化分子分析

AML患者基因表达数据,研究个体多药耐药模式,支持个体化治疗。

ChEBI
2013-05-31 更新
浏览 17
基因组transcription profiling by RT-PCRHomo sapiens
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
2013-05-31

资源简介

AML患者个体多药耐药模式表明需要个体化分子分析

【一句话概览】

该研究利用AML诊断时与治疗后复发时的配对样本,依据过去三十年发表的报告,采用基于TaqMan的qRT-PCR评估380个多药耐药相关基因;包含11对AML样本,每位患者作为自身对照。源站标签为转录谱分析(RT-PCR)和Homo sapiens。标题提示,AML患者个体的多药耐药模式表明需要个性化分子分析(来源 BioStudies)。

【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》。

【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, as indicated by reports published over the past three decades. 11 paired AML samples taken at diagnosis and at relapse after treatment. Each patients act as its own control

【主题与分类】

主题标签:transcription profiling by RT-PCR、Homo sapiens。

【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.ebi.ac.uk/biostudies/ArrayExpress/studies/E-GEOD-33787

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.ebi.ac.uk/biostudies/ArrayExpress/studies/E-GEOD-33787

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