MGMT-STP27甲基化状态作为间变性少突胶质细胞瘤和少突星形细胞瘤对PCV治疗反应的预测标志物：EORTC 26951研究[27K]

目的：EORTC-26951 试验的长期随访结果显示，放疗后加用 PCV 可提高间变性少突胶质瘤/少突星形细胞瘤（AOD/AOA）的生存率

ena

基因组预测肿瘤脑肿瘤甲基化MGMT-STP27CIMPPCVEORTC-26951

PRJNA210233: MGMT-STP27 methylation status as Predictive Marker for Response to PCV in Anaplastic Oligodendrogliomas and Oligoastrocytomas. A report from EORTC study 26951 [27K]

基本信息

模态

基因组

任务类型

预测

创建/更新时间

2026-10-17

资源简介

MGMT-STP27甲基化状态作为间变性少突胶质细胞瘤和少突星形细胞瘤对PCV治疗反应的预测标志物：EORTC 26951研究[27K]

本数据集围绕间变性少突胶质瘤与间变性少突星形细胞瘤（AOD/AOA）患者对放疗后加用PCV方案治疗的应答预测展开，核心关注MGMT-STP27甲基化状态作为预测标志物的价值。该数据来源于EORTC 26951临床试验，研究者对纳入该试验的115份样本进行了全基因组甲基化谱分析，并从中提取CpG岛高甲基化表型（CIMP）与MGMT启动子甲基化（MGMT-STP27）状态。研究首先验证了在存档组织上进行甲基化谱分析的可行性，随后结合临床试验样本开展分析，单因素分析提示CIMP阳性或MGMT-STP27甲基化的肿瘤患者，其生存情况优于CIMP阴性或MGMT-STP27未甲基化的肿瘤患者。该数据集属于肿瘤/脑肿瘤领域，来源于ebi.ac.uk。

【数据集背景】

EORTC-26951试验的长期随访结果显示，在放疗基础上加用PCV方案可提高间变性少突胶质瘤/少突星形细胞瘤（AOD/AOA）患者的生存率。然而，并非所有患者都能从PCV治疗中获得同等程度的获益，部分患者似乎比其他患者更能从PCV治疗中受益。这一临床差异促使研究者寻找能够预测治疗应答的分子标志物。在此背景下，研究者将目光投向甲基化谱，特别是CpG岛高甲基化表型（CIMP）与MGMT启动子甲基化（MGMT-STP27）状态，希望通过分子层面的分型来解释和预测患者对PCV治疗的应答差异。

【数据内容】

该数据集包含对EORTC-26951试验中115份样本进行的全基因组甲基化谱分析结果。研究者从这些甲基化谱数据中提取了两类关键信息：CpG岛高甲基化表型（CIMP）和MGMT启动子甲基化（MGMT-STP27）状态。数据集英文名称中标注了“27K”，提示其甲基化谱分析所采用的技术平台或芯片类型与27K相关。数据集所属分类为肿瘤/脑肿瘤，聚焦于间变性少突胶质瘤和间变性少突星形细胞瘤这一类脑肿瘤。源站描述中提及，研究先验证了存档组织与新鲜冷冻组织在甲基化谱分析性能上的相似性，随后将甲基化谱分析应用于EORTC-26951临床试验样本，并报告了CIMP与MGMT-STP27状态同生存之间的单因素分析结果。

【采集与来源】

该数据集来源于ebi.ac.uk。样本来自EORTC-26951临床试验，共115份。研究涉及的组织类型包括存档组织和新鲜冷冻组织，源站描述指出甲基化谱分析可在存档组织上进行，且其性能与新鲜冷冻组织样本相似。数据集的英文名称中标注了“PRJNA210233”，并注明“A report from EORTC study 26951”。除上述信息外，关于具体的采集时间、采集地点、样本处理流程、伦理审批信息等，源站未提供。

【适用场景】

该数据集适用于探索间变性少突胶质瘤/少突星形细胞瘤（AOD/AOA）患者对放疗后加用PCV治疗应答的预测标志物研究。具体而言，可用于分析CIMP状态和MGMT-STP27甲基化状态与患者生存之间的关系，评估其作为预测标志物的潜力。此外，由于研究验证了存档组织与新鲜冷冻组织在甲基化谱分析性能上的相似性，该数据集也可为在存档组织上开展甲基化谱分析提供参考。其应用领域属于肿瘤/脑肿瘤，尤其是脑肿瘤的分子分型与治疗应答预测方向。

【使用方法】

源站描述中提及，研究者对115份样本进行了全基因组甲基化谱分析，并从中提取CIMP和MGMT-STP27状态，随后采用单因素分析评估这些甲基化状态与生存之间的关系。关于数据的具体下载方式、文件格式、数据处理流程、分析工具或代码等，源站未提供。

【质量与限制】

源站描述指出，甲基化谱分析可在存档组织上进行，且性能与新鲜冷冻组织样本相似，这在一定程度上支持了该数据集在存档样本中的可用性。研究结果基于单因素分析，提示CIMP阳性或MGMT-STP27甲基化的肿瘤患者生存优于CIMP阴性和/或MGMT-STP27未甲基化的肿瘤患者。然而，关于样本的完整临床注释、随访时长、多因素分析结果、外部验证情况以及数据缺失程度等，源站未提供。此外，源站描述在“MGMT-STP27 unmethylated tumo”处截断，未给出完整结论，因此无法进一步判断其完整表述。

【引用与许可】

该数据集英文名称为“PRJNA210233: MGMT-STP27 methylation status as Predictive Marker for Response to PCV in Anaplastic Oligodendrogliomas and Oligoastrocytomas. A report from EORTC study 26951 [27K]”，来源站为ebi.ac.uk。关于该数据集的引用方式、许可协议、使用限制或版权信息，源站未提供。

原始链接

https://ebi.ac.uk/ena/browser/view/PRJNA210233

访问原始数据

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://ebi.ac.uk/ena/browser/view/PRJNA210233

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。

数据说明

目的：EORTC-26951试验的长期随访结果显示，放疗后加用PCV可提高间变性少突胶质细胞瘤/少突星形细胞瘤（AOD/AOA）患者的生存率。然而，部分患者似乎比其他患者更能从PCV治疗中获益。实验设计：我们对纳入EORTC-26951试验的115份样本进行了全基因组甲基化谱分析，并提取了CpG岛高甲基化表型（CIMP）和MGMT启动子甲基化（MGMT-STP27）状态。结果：我们首先证明，甲基化谱分析可在存档组织上进行，其表现与速冻组织样本相似。随后，我们对EORTC-26951临床试验样本进行了甲基化谱分析。单因素分析表明，与CIMP-和/或MGMT-STP27未甲基化的肿瘤相比，CIMP+或MGMT-STP27甲基化的肿瘤生存期改善（中位总生存期（OS）分别为1.05年 vs. 6.46年，以及1.06年 vs. 3.8年，CIMP和MGMT-STP27状态的P值均<0.0001）。

多变量分析表明，在模型中包含年龄、性别、体能评分和复核诊断的情况下，CIMP和MGMT-STP27是显著的生存预后因素。多变量分析表明，CIMP和MGMT-STP27状态是不依赖于年龄、性别、体能评分和复核诊断的生存预后因素。CIMP+和MGMT-STP27甲基化的肿瘤显示出从辅助PCV化疗中明确获益：在RT和RT-PCV组中，CIMP+样本的中位OS分别为3.27年和9.51年，P=0.0033；对于MGMT-STP27甲基化样本，分别为1.98年和8.65年。对于CIMP-或MGMT-STP27未甲基化的肿瘤，则没有这种获益。MGMT-STP27状态在交互作用检验中仍具有显著性（P=0.003）。微阵列的统计分析（SAM）识别出259个与治疗反应相关的新CpG位点。结论：MGMT-STP27可用于指导该肿瘤类型的治疗决策。总体设计：亚硫酸

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