犬骨肉瘤药物反应预测模型：一项前瞻性临床试验验证COXEN方法
犬骨肉瘤药物反应预测的前瞻性临床试验基因表达数据集，用于验证COXEN方法。
基本信息
资源简介
犬骨肉瘤药物反应预测模型：一项前瞻性临床试验验证COXEN方法
【一句话概览】
本数据集对应一项前瞻性临床试验，旨在检验COXEN方法，即利用人源和犬源细胞系建立的药物敏感性基因表达模型，应用于接受辅助卡铂和/或多柔比星治疗的犬骨肉瘤患犬结局。研究前瞻性采集肿瘤样本，并使用Affymetrix Canine Genome 2.0 Array进行基因表达分析。数据为表达谱芯片，涉及平台GPL3738，物种为犬（9615），共1个文件（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Predictive Models of Drug Response in Canine Osteosarcoma: A Prospective Clinical Trial Testing the COXEN Approach》。源站首次发布：Jul 17 202。
【数据内容】
源站原始描述：This was a prospective clinical trial testing the ability of gene expression models of drug sensitivity that were developed in human and canine cell lines and applied to outcomes in dogs treated with adjuvant carboplatin and/or doxorubicin. Tumor samples were collected prospectively, and gene expression analysis was conducted using Affymetrix Canine Genome 2.0 Arrays
中文译文（机器翻译，仅供快速理解，请以原文为准）：这是一项前瞻性临床试验，旨在检验在人类和犬细胞系中开发的药物敏感性基因表达模型能否应用于接受辅助卡铂和/或多柔比星治疗的犬的结局。肿瘤样本为前瞻性收集，并使用 Affymetrix Canine Genome 2.0 Arrays 进行基因表达分析。
【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 array、GPL3738、9615。
【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=GSE180303
【使用注意】
· 源站最后修改于 Nov 03 202，引用时请注意版本时效。
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=GSE180303
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。
