骨转移来源乳腺癌PDX模型及匹配人乳腺原发肿瘤的表达数据
该数据集来自 NCBI GEO(GSE146661),包含从内分泌治疗进展期乳腺癌患者骨转移活检建立的 PDX 模型及其匹配的人乳腺原发肿瘤的表达谱数据,采用芯片平台 GPL11532 检测,物种为 9606(人)

基本信息
资源简介
骨转移来源乳腺癌PDX模型及匹配人乳腺原发肿瘤的表达数据
Expression data from Patient-derived tumor models (PDX) establish from bone metastases and match human breast primary tumor.
该数据集来自 NCBI GEO(GSE146661),包含从内分泌治疗进展期乳腺癌患者骨转移活检建立的 PDX 模型及其匹配的人乳腺原发肿瘤的表达谱数据,采用芯片平台 GPL11532 检测,物种为 9606(人)。数据可用于转录组水平分析,比较骨转移 PDX 模型与患者早期原发肿瘤的表达差异,以识别与转移背景下内分泌耐药相关的新治疗靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):相当一部分雌激素受体(ER)阳性乳腺癌(BC)患者会对内分泌治疗(ET)产生耐药,并出现转移性疾病复发。骨是 ER+ 患者最常见的转移部位,但骨转移灶在活检和分析上存在技术挑战,困难既涉及肿瘤组织获取,也涉及分析和 RNA 提取技术。乳腺癌骨转移的患者来源异种移植(PDX)模型此前尚未见报道。我们首次从接受椎体成形术、在内分泌治疗中进展的患者的骨转移活检中建立了 PDX 模型。对 PDX 模型进行了转录组水平分析,并与患者早期原发肿瘤进行比较,以识别转移背景下与内分泌耐药相关的新治疗靶点。
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:Expression profiling by array、GPL11532、9606。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE146661
【使用注意】
· 源站最后修改于 Sep 12 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE146661
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
相当比例的雌激素受体(ER)阳性乳腺癌(BC)患者会对内分泌治疗(ET)产生耐药,并出现转移性疾病复发。骨是ER+患者最常见的转移部位,然而骨转移灶的活检和分析在技术上具有挑战性。困难既涉及肿瘤组织的获取,也涉及分析和RNA提取的技术。乳腺癌骨转移的患者来源异种移植(PDX)模型尚未见报道。我们首次从接受椎体成形术治疗、在内分泌治疗期间出现疾病进展的患者的骨转移活检组织中建立了PDX模型。我们对PDX模型进行了转录组水平分析,并将其与患者的早期原发肿瘤进行比较,以识别与转移背景下内分泌耐药相关的新治疗靶点。通过将骨转移来源的PDX与患者原发乳腺肿瘤进行比较转录组分析,鉴定骨转移中激活的信号通路。
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。




