原发性多形性胶质母细胞瘤手术标本microRNA表达全基因组分析

该数据集来自NCBI GEO,聚焦原发性多形性胶质母细胞瘤(GBM)手术标本的microRNA表达全基因组分析。源站描述指出microRNA在预测癌症患者生存方面具有潜力,该研究利用全基因组microRNA表达谱识别可用于预测原发性GBM患者临床结局的miRNA特征

geo
浏览 7
基因组预测Non-coding RNA profiling by arrayGPL81799606
GSE25631: Genome-wide analysis of microRNA expression in surgical specimens of primary glioblastoma multiform

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-21

资源简介

原发性多形性胶质母细胞瘤手术标本microRNA表达全基因组分析

Genome-wide analysis of microRNA expression in surgical specimens of primary glioblastoma multiform

该数据集来自NCBI GEO,聚焦原发性多形性胶质母细胞瘤(GBM)手术标本的microRNA表达全基因组分析。数据通过芯片平台GPL8179对人类(9606)样本进行非编码RNA表达谱检测,包含1个文件(GSE25631_series_matrix.txt.gz)。源站描述指出microRNA在预测癌症患者生存方面具有潜力,该研究利用全基因组microRNA表达谱识别可用于预测原发性GBM患者临床结局的miRNA特征。数据可用于脑肿瘤分子标志物挖掘与患者预后预测研究(来源 NCBI)。

【数据集背景】

源站首次发布:Nov 28 201。

【数据内容】

源站描述(机器翻译,仅供参考):MicroRNA在预测癌症患者生存方面具有很大潜力。我们使用全基因组microRNA表达谱分析来识别一个miRNA特征,用于预测原发性GBM患者的临床结局。

【数据结构与技术规格】

文件数 1 个,合计 0 B。

【主题与分类】

主题标签:Non-coding RNA profiling by array、GPL8179、9606。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE25631

【使用注意】

· 源站最后修改于 Feb 18 201,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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE25631

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。

数据说明

MicroRNA在预测癌症患者生存方面具有巨大潜力。我们采用全基因组microRNA表达谱分析来识别一个miRNA特征,用于预测原发性GBM患者的临床结局。

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

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