儿童颅咽管瘤合理药物治疗靶点鉴定数据集
该数据集来自 NCBI,标题为儿童颅咽管瘤合理药物治疗靶点的鉴定,属于肿瘤与脑肿瘤方向。可用于探索儿童造釉细胞型颅咽管瘤的基因表达特征,辅助筛选潜在药物靶点,为寻找有效药物治疗、降低患者视觉、内分泌、神经认知及心理并发症提供数据支持(来源 NCBI)

基本信息
资源简介
儿童颅咽管瘤合理药物治疗靶点鉴定数据集
Identification of targets for rational pharmacological therapy in childhood craniopharyngioma
该数据集来自 NCBI,标题为儿童颅咽管瘤合理药物治疗靶点的鉴定,属于肿瘤与脑肿瘤方向。数据基于表达谱芯片,平台为 GPL570,物种为 9606,包含 1 个文件 GSE68015_series_matrix.txt.gz。可用于探索儿童造釉细胞型颅咽管瘤的基因表达特征,辅助筛选潜在药物靶点,为寻找有效药物治疗、降低患者视觉、内分泌、神经认知及心理并发症提供数据支持(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 17 201。
【数据内容】
源站描述(机器翻译,仅供参考):引言:儿童造釉细胞型颅咽管瘤(ACP)是一种组织学良性但临床侵袭性的脑肿瘤,起源于鞍区/鞍上区。尽管当前手术和放疗的生存率较高(10 年时为 75-95%),但 ACP 与使人衰弱的视觉、内分泌、神经认知和心理疾病相关,导致幸存者的生活质量极差。鉴定有效的药物治疗将大幅降低发病率并改善 ACP 儿童的长期预后。
【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:Expression profiling by array、GPL570、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=GSE68015
【使用注意】
· 源站最后修改于 Mar 25 201,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=GSE68015
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
引言:儿童造釉细胞型颅咽管瘤(ACP)是一种组织学良性但临床侵袭性的脑肿瘤,起源于鞍区/鞍上区。尽管当前的手术和放射治疗使其生存率较高(10年生存率为75-95%),但ACP伴有使人衰弱的视觉、内分泌、神经认知和心理疾病,导致幸存者的生活质量极差。确定一种有效的药物治疗将大幅降低发病率并改善ACP患儿的长期预后。结果:通过对15例ACP患者样本进行微阵列分析,我们发现,相对于其他儿童脑肿瘤、垂体瘤、正常垂体和正常脑组织,若干药物靶点在我们的ACP样本中显著且持续过表达。其中表达最高的包括激酶抑制剂达沙替尼的几个靶点——LCK、EPHA2和SRC;EGFR通路靶点——AREG、EGFR和ERBB3;以及其他可能具有治疗价值的癌症靶点——SHH、MMP9和MMP12。我们通过蛋白质印迹证实,其中一部分靶点在ACP原发肿瘤样本中高表达。
讨论:我们在此报告了针对ACP的首个微阵列基因表达分析,以及合理治疗靶点的识别。目前,针对这些基因产物每个的实验性药物正在临床和临床前阶段进行测试,用于治疗其他类型的肿瘤。本研究为进一步开展ACP新型药物治疗的临床前和临床研究提供了理论依据。ACP临床前小鼠模型和细胞培养模型的开发将进一步促进这些靶点从实验室到临床的转化。
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。




