IDH突变胶质瘤治疗序贯建模:vorasidenib改善放化疗反应
该数据集来自omicsdi.org,聚焦IDH突变胶质瘤的治疗序贯问题,主题标签为Transcriptomics。源站描述涉及29例在放疗±化疗前最早接受mIDHi的患者,并与未接受mIDHi的对照队列比较,同时使用对mIDHi有反应的IDH突变星形细胞瘤遗传小鼠模型评估vorasidenib先于放

基本信息
资源简介
IDH突变胶质瘤治疗序贯建模:vorasidenib改善放化疗反应
该数据集来自omicsdi.org,聚焦IDH突变胶质瘤的治疗序贯问题,主题标签为Transcriptomics。源站描述涉及29例在放疗±化疗前最早接受mIDHi的患者,并与未接受mIDHi的对照队列比较,同时使用对mIDHi有反应的IDH突变星形细胞瘤遗传小鼠模型评估vorasidenib先于放化疗对生存的影响。数据可用于研究mIDHi暴露对后续放化疗疗效的影响及治疗序贯建模(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):突变IDH1/2抑制剂(mIDHi)vorasidenib最近被纳入IDH突变胶质瘤的临床治疗指南,尽管其对放化疗的影响尚不清楚。具体而言,目前尚不清楚 upfront mIDHi 暴露是否会改变后续放化疗的疗效。由于临床数据有限且缺乏对mIDHi有反应的临床前胶质瘤模型,解决这一关键问题一直具有挑战性。我们汇总了来自三个机构的29例患者,他们是最早在放疗+/-化疗前接受mIDHi的患者之一。我们报告了这些患者与接受类似治疗的mIDHi未暴露队列相比的结果。为了实证mIDHi如何影响放化疗疗效,我们使用了对mIDHi有反应的IDH突变星形细胞瘤遗传小鼠模型。在放化疗前接受vorasidenib的小鼠(vorasidenib-->放化疗)生存期改善
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE328196
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://omicsdi.org/dataset/geo/GSE328196
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
突变型IDH1/2抑制剂(mIDHi)vorasidenib近期已被纳入IDH突变型胶质瘤的临床治疗指南,但其对放化疗的影响尚不明确。具体而言,目前尚不清楚 upfront mIDHi暴露是否会改变后续放化疗的疗效。由于临床数据有限且缺乏对mIDHi有反应的临床前胶质瘤模型,解决这一关键问题一直颇具挑战。我们汇总了来自三家机构的29例患者,这些患者属于最早在放疗+/-化疗前接受mIDHi治疗的人群。我们报告了这些患者的结局,并与接受类似治疗的mIDHi初治队列进行比较。为了从实证角度探讨mIDHi如何影响放化疗疗效,我们使用了一种对mIDHi有反应的IDH突变型星形细胞瘤遗传小鼠模型。在放化疗前接受vorasidenib治疗的 mice(vorasidenib–>放化疗)与对照小鼠(溶媒–>放化疗)相比,生存期改善。总之,我们从新兴的真实世界临床数据中未发现证据表明 upfront mIDHi治疗会削弱后续放化疗的疗效。
此外,临床前模型显示,先前使用vorasidenib治疗可增强而非损害IDH突变型胶质瘤对放化疗的敏感性。
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。




