分子分型将成人星形母细胞瘤重分类为已知且临床 distinct 的肿瘤实体并伴频繁 MAPK 通路改变
该数据集来自 omicsdi.org,聚焦成人及青少年星形母细胞瘤样胶质瘤的分子特征。研究对 14 例成人及 1 例青少年星形母细胞瘤样胶质瘤进行临床与分子刻画,发现 MN1 融合在该年龄组罕见(1/15),多数病例经甲基化谱和靶向测序被重分类为多形性黄色星形细胞瘤(PXA)或高级别胶质瘤(HGG)

基本信息
资源简介
分子分型将成人星形母细胞瘤重分类为已知且临床 distinct 的肿瘤实体并伴频繁 MAPK 通路改变
该数据集来自 omicsdi.org,聚焦成人及青少年星形母细胞瘤样胶质瘤的分子特征。研究对 14 例成人及 1 例青少年星形母细胞瘤样胶质瘤进行临床与分子刻画,发现 MN1 融合在该年龄组罕见(1/15),多数病例经甲基化谱和靶向测序被重分类为多形性黄色星形细胞瘤(PXA)或高级别胶质瘤(HGG)。PXA 样病例伴 BRAF 突变和 CD34 表达,HGG 样病例携带弥漫中线胶质瘤或胶质母细胞瘤的特异性突变。数据可用于脑肿瘤分子分型与 MAPK 通路相关研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):目的与方法:星形母细胞瘤是一种罕见的具有独特形态的胶质脑肿瘤。最近在大多数儿科病例中发现了复发性 MN1-BEND2 融合。然而,青少年和成人病例的分子特征仍定义不清。在此,我们对 14 例成人及 1 例青少年具有星形母细胞瘤特征的胶质瘤的回顾性队列进行了临床和分子特征分析。结果:引人注目的是,我们发现 MN1 融合在该年龄组中为罕见事件(1/15)。使用甲基化谱和靶向测序,大多数病例被重新分类为多形性黄色星形细胞瘤(PXA)或高级别胶质瘤(HGG)。PXA 样 ABM 显示 BRAF 突变(6/7 为 V600E 突变,1/7 为 G466E 突变)和 CD34 表达。相反,HGG 样 ABM 携带弥漫中线胶质瘤(2/5)或胶质母细胞瘤(3/5)的特异性突变。这些 latter 患者表现出不利的临床
【主题与分类】
主题标签:Genomics。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/ega/EGAS00001003798
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/ega/EGAS00001003798
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
目的与方法:星形母细胞瘤是一种罕见的胶质脑肿瘤,具有独特的形态学特征。近年来,在大多数儿童病例中发现了复发性MN1-BEND2融合。然而,青少年和成人病例的分子特征仍不明确。本研究对14例成人和1例青少年具有星形母细胞瘤样特征的胶质瘤进行了回顾性队列的临床和分子特征分析。结果:值得注意的是,我们发现MN1融合在该年龄组中较为罕见(1/15)。通过甲基化谱分析和靶向测序,大多数病例被重新分类为多形性黄色星形细胞瘤(PXA)或高级别胶质瘤(HGG)。PXA样星形母细胞瘤显示BRAF突变(6/7为V600E突变,1/7为G466E突变)及CD34表达。相反,HGG样星形母细胞瘤携带弥漫性中线胶质瘤(2/5)或胶质母细胞瘤(3/5)的特异性突变。后一组患者临床病程不良,总生存期显著缩短(p = 0.027)。
MAPK通路改变(包括FGFR融合、BRAF和NF1突变)存在于15例患者中的10例,并且在HGG组(3/5)中相较于先前报道的GBM和弥漫性中线胶质瘤中这些改变的患病率而言过度呈现。
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。




