CD133+与CD133-胶质瘤细胞表达数据
该数据集为来自CD133+与CD133-胶质瘤细胞的表达数据，属于转录组学范畴，来源站为omicsdi.org。源站描述提及基于表达特征识别致癌表型、开发反映干样特性的Consensus Stemness Ranking（CSR）特征，并用于匹配治疗化合物
基本信息
资源简介
CD133+与CD133-胶质瘤细胞表达数据
该数据集英文名为 Expression data from CD133+ and CD133- glioma cells，主题标签为 Transcriptomics，来源站为 omicsdi.org，本站分类归入肿瘤 / 乳腺癌。从名称看，它提供的是 CD133 阳性与 CD133 阴性胶质瘤细胞的表达数据，属于转录组学范畴。源站描述指出，多数人类癌症存在显著异质性，因此多数癌症疗法可能只在少数患者中有效；开发新疗法并将其与个体患者匹配，对改善疾病结局至关重要。表达特征可用于识别关键致癌表型，既可作为生物标志物，也可用于寻找可能特异性靶向这些表型的治疗化合物。基于靶向呈干样表型肿瘤的潜在重要性，源站描述提到已开发出反映多种干样特征共同生物学方面的表达特征，即 Consensus Stemness Ranking（CSR）特征，该特征在癌症干细胞富集的样本中上调。
【数据集背景】
源站描述强调，大多数人类癌症具有非常显著的异质性，这意味着多数癌症治疗药物可能只在患者群体中很小一部分人身上有活性。因此，开发新疗法并配套建立将疗法与个体患者相匹配的方法，对于在疾病结局上取得显著改善至关重要。其中一个机会是利用表达特征来识别关键致癌表型，这些表型不仅可作为生物标志物，还可作为识别可能特异性靶向这些表型的治疗化合物的手段。考虑到靶向呈干样表型肿瘤的潜在重要性，相关研究开发了一种反映多种干样特征共同生物学方面的表达特征，即 Consensus Stemness Ranking（CSR）特征，该特征在癌症干细胞富集的样本中上调。该数据集正是在这一研究背景下产生的 CD133+ 与 CD133- 胶质瘤细胞表达数据。
【数据内容】
该数据集为来自 CD133+ 和 CD133- 胶质瘤细胞的表达数据，主题标签为 Transcriptomics，属于转录组学数据。数据围绕 CD133 阳性与 CD133 阴性胶质瘤细胞之间的表达信息展开。源站描述提及基于表达特征识别致癌表型、开发反映干样特性的 Consensus Stemness Ranking（CSR）特征，并用于匹配治疗化合物。关于样本数量、检测平台、基因数量、具体表达矩阵内容等细节，源站未提供。
【采集与来源】
该数据集来源站为 omicsdi.org，本站分类为肿瘤 / 乳腺癌。数据集英文名称为 Expression data from CD133+ and CD133- glioma cells。源站描述说明了研究背景与表达特征开发思路，但未提供样本采集的具体组织来源、患者信息、实验流程、测序或芯片平台等采集细节，源站未提供。
【适用场景】
根据源站描述，该数据集所属研究方向适用于利用表达特征识别关键致癌表型，将这些表型作为生物标志物，并用于识别可能特异性靶向相关表型的治疗化合物。源站描述还提到 Consensus Stemness Ranking（CSR）特征在癌症干细胞富集样本中上调，并用于匹配治疗化合物。因此，该数据可用于围绕 CD133+ 与 CD133- 胶质瘤细胞的表达特征分析，以及干样表型相关表达特征的考察。关于具体分析流程、验证队列和临床应用方式，源站未提供。
【使用方法】
源站描述提及表达特征可用于识别致癌表型、作为生物标志物以及匹配治疗化合物，并提到 CSR 特征在癌症干细胞富集样本中上调。但关于该数据集的具体使用步骤、数据处理方法、归一化方式、分析软件和参数设置，源站未提供。
【质量与限制】
源站描述未提供该数据集的质量评估信息，包括样本量、数据完整性、批次效应、技术重复、验证程度等，源站未提供。该数据集名称指向胶质瘤细胞，而本站分类标注为肿瘤 / 乳腺癌，二者存在不一致，使用时需注意核对原始来源。其他质量与限制信息源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-24716
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
鉴于大多数人类癌症具有非常显著的异质性，多数癌症治疗药物可能仅对患者群体中的一小部分有效。因此，开发新疗法并结合将疗法与个体患者相匹配的方法，对于实现疾病转归的显著改善至关重要。其中一个机遇是利用表达特征来识别关键的致癌表型，这些表型不仅可作为生物标志物，还可作为识别可能特异性靶向这些表型的治疗化合物的手段。鉴于靶向表现出干细胞样表型的肿瘤具有潜在重要性，我们开发了一种表达特征，该特征反映了各种干细胞样特性的共同生物学方面。共识干性排名（Consensus Stemness Ranking, CSR）特征在癌症干细胞富集的样本中上调，在晚期肿瘤阶段表达升高，并与多种癌症类型的不良预后相关。我们采用两种独立的计算方法，利用CSR特征来识别可能靶向CSR表型的具有临床实用价值的化合物。
体外实验证实了几种预测化合物的选择性，包括拓扑异构酶抑制剂和白藜芦醇对表现出高CSR表型的乳腺癌细胞系的选择性。重要的是，CSR特征能够预测乳腺癌患者对包含CSR特异性药物的新辅助治疗方案的临床反应。总体而言，这些结果表明在相关癌症患者群体中靶向CSR表型的治疗机会。从两个胶质瘤异种移植肿瘤中分离出CD133+和CD133-细胞。CD133+和CD133-胶质瘤细胞均在无血清培养基中培养48小时，存在或不存在层粘连蛋白。
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。
