抗VEGF治疗体内基因表达调控数据集
该数据集来自omicsdi.org，属于肿瘤/脑肿瘤分类，主题为转录组学。数据基于BALB/c SCID小鼠中建立的U87-EV人胶质母细胞瘤异种移植瘤模型，在肿瘤建立后使用贝伐珠单抗（一种人源化抗人VEGF单克隆抗体）进行治疗，终点时收集肿瘤样本并提取总RNA进行微阵列分析，以研究治疗组与对照组相
基本信息
资源简介
抗VEGF治疗体内基因表达调控数据集
该数据集名为 Regulation of gene expressions in vivo by anti-VEGF therapy，来源于 omicsdi.org，归入肿瘤 / 脑肿瘤分类，主题标签为转录组学。其核心设计是在 BALB/c SCID 小鼠体内建立 U87-EV 人胶质母细胞瘤异种移植瘤模型，待肿瘤建立后使用贝伐珠单抗（一种人源化抗人 VEGF 单克隆抗体）进行干预，于实验终点收集肿瘤样本并提取总 RNA，通过微阵列分析比较治疗组与对照组的基因表达谱变化。样本设置为 3 例对照与 3 例贝伐珠单抗治疗样本，检测对象同时涵盖人肿瘤细胞来源与小鼠宿主基质细胞来源的基因，可用于考察抗 VEGF 治疗在体内对基因表达的整体调控作用。
【数据集背景】
抗血管生成治疗是肿瘤研究中的重要方向，贝伐珠单抗作为人源化抗人 VEGF 单克隆抗体，其在体内对肿瘤基因表达的影响需要借助可操作的动物模型加以刻画。该数据集正是围绕这一需求产生：以 U87-EV 人胶质母细胞瘤异种移植瘤为对象，在肿瘤于 BALB/c SCID 小鼠体内建立后实施贝伐珠单抗治疗，从而在接近生理的宿主环境中观察治疗引起的转录组变化。由于异种移植模型中同时存在人源肿瘤细胞与小鼠宿主基质细胞，该设计还允许同时关注这两类细胞来源的基因表达改变。
【数据内容】
数据内容为肿瘤样本的总 RNA 微阵列检测结果，用于研究治疗组与对照组之间的基因表达谱差异。样本规模为 3 例对照样本对 3 例贝伐珠单抗治疗样本。所涉及的基因既包括来自人肿瘤细胞的基因，也包括来自小鼠宿主基质细胞的基因。主题归类为转录组学。
【采集与来源】
样本采集流程为：在 BALB/c SCID 小鼠中建立 U87-EV 人胶质母细胞瘤异种移植瘤，待肿瘤建立后给予贝伐珠单抗治疗，于实验终点收集肿瘤样本并提取总 RNA，随后进行微阵列分析。数据来源站为 omicsdi.org。
【适用场景】
适用于考察贝伐珠单抗在体内对胶质母细胞瘤异种移植瘤基因表达谱的影响，比较治疗组与对照组的转录组差异；也可用于同时分析人肿瘤细胞与小鼠宿主基质细胞来源基因的表达变化。主题标签为转录组学，归入肿瘤 / 脑肿瘤分类。
【使用方法】
源站未提供。
【质量与限制】
样本设置为 3 例对照与 3 例治疗样本。其余质量信息与使用限制源站未提供。
【引用与许可】
源站未提供。
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/biostudies-arrayexpress/E-GEOD-37956
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
在BALB/c SCID小鼠中建立U87-EV人胶质母细胞瘤异种移植瘤后，使用贝伐珠单抗（一种人源化抗人VEGF单克隆抗体）进行治疗。在终点时，收集肿瘤样本并提取总RNA进行微阵列分析，以研究与对照组相比的基因谱变化。这些基因包括来自人肿瘤细胞和小鼠宿主基质细胞的基因。3个对照样本对3个贝伐珠单抗治疗样本。
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。
