胶质母细胞瘤生存相关miRNA特征NGS鉴定数据集
该数据集来自NCBI,采用下一代测序比较5例GBM-STS患者、8例GBM-LTS患者的肿瘤脑组织及4例低级别胶质瘤(I–II级)患者肿瘤周边区域样本的miRNA表达谱

基本信息
资源简介
胶质母细胞瘤生存相关miRNA特征NGS鉴定数据集
Identification of survival-asssociated miRNA signatures in glioblastoma using next generation sequencing
该数据集来自NCBI,采用下一代测序比较5例GBM-STS患者、8例GBM-LTS患者的肿瘤脑组织及4例低级别胶质瘤(I–II级)患者肿瘤周边区域样本的miRNA表达谱。通过单因素方差分析进行差异表达分析,以|FC|≥2且FDR≤0.05为阈值,鉴定出多组差异miRNA。数据可用于胶质母细胞瘤生存相关miRNA特征研究及差异表达分类分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):采用下一代测序(NGS)比较5例GBM-STS患者、8例GBM-LTS患者的肿瘤脑组织样本以及4例低级别胶质瘤(I–II级)患者肿瘤周边区域样本(作为对照组)的miRNA表达谱。使用单因素方差分析(ANOVA)评估各组间miRNA表达的总体差异。若miRNA满足绝对倍数变化(|FC|)≥ 2且错误发现率(FDR)≤ 0.05的标准,则认为其显著差异表达。在GBM-STS vs. Control比较中鉴定出23个miRNA(12个上调、11个下调),在GBM-LTS vs. Control比较中鉴定出18个miRNA(6个上调、12个下调),在GBM-STS vs. GBM-LTS比较中鉴定出16个miRNA(12个上调、4个下调)为差异表达。
【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:GPL18573、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=GSE335138
【使用注意】
· 源站最后修改于 Nov 04 202,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=GSE335138
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:
数据说明
采用下一代测序(NGS)技术,对5例GBM-STS患者、8例GBM-LTS患者的肿瘤脑组织样本,以及4例低级别胶质瘤(I–II级)患者的外周肿瘤区域样本(作为对照组)进行miRNA表达谱比较。使用单因素方差分析(ANOVA)进行差异表达分析,以评估各组间miRNA表达的整体差异。若miRNA满足绝对倍数变化(|FC|)≥ 2且错误发现率(FDR)≤ 0.05的标准,则被认为具有显著差异表达。在GBM-STS与对照组的比较中,共鉴定出23个具有差异表达且具有生物学相关性的miRNA(12个上调,11个下调);在GBM-LTS与对照组的比较中鉴定出18个(6个上调,12个下调);在GBM-STS与GBM-LTS的比较中鉴定出16个(12个上调,4个下调)。为验证NGS结果,选取三个差异表达miRNA进行RT-qPCR分析,包括在GBM-STS与
GBM-LTS比较。使用Mann–Whitney U检验进行的统计分析发现,与GBM-LTS和对照样本相比,GBM-STS样本中hsa-miR-424-5p和hsa-miR-216a-5p的表达水平显著升高,而hsa-miR-133a-3p的表达显著降低。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




