乳腺癌循环肿瘤细胞靶向RNA-seq特征与单纯骨转移发生的相关性
该数据集来自NCBI，聚焦乳腺癌循环肿瘤细胞（CTC）的靶向RNA测序表达谱，旨在寻找与骨转移发生相关的基因特征。研究纳入40例转移性乳腺癌患者，按入组时转移部位分为单纯骨转移、骨外转移及骨与骨外混合转移三组，并在一套134基因panel上完成靶向测序
基本信息
资源简介
乳腺癌循环肿瘤细胞靶向RNA-seq特征与单纯骨转移发生的相关性
Targeted RNA-seq signature of Breast Cancer Circulating Tumor Cells correlates with occurrence of bone-only metastases
该数据集来自NCBI，聚焦乳腺癌循环肿瘤细胞（CTC）的靶向RNA测序表达谱，旨在寻找与骨转移发生相关的基因特征。研究纳入40例转移性乳腺癌患者，按入组时转移部位分为单纯骨转移、骨外转移及骨与骨外混合转移三组，并在一套134基因panel上完成靶向测序。数据可用于探索CTC基因表达与骨转移风险的关系，并支持预后相关基因特征的筛选与验证（来源 NCBI）。
【数据集背景】
源站首次发布：Oct 28 202。
【数据内容】
源站描述（机器翻译，仅供参考）：骨是乳腺癌（BC）最常见的转移部位，但目前尚无生物标志物可用于预测骨骼播散风险。在此，我们尝试在从40例转移性BC患者分离的循环肿瘤细胞（CTC）中，鉴定与骨转移（BM）发生相关的基因特征，这些患者根据入组时的转移部位分组，即“BM”（单纯骨转移）、“ES”（骨外转移）或“BM+ES”（骨与骨外转移）。一个源自广泛文献综述的134基因panel在具有不同器官趋向性的MDA-MB-231 BC细胞系亚克隆上得到验证，随后应用于CTC组进行靶向RNA测序。未发现CTC数量与临床病理变量之间存在相关性，而从“BM”与“ES”CTC比较中出现了31个差异表达基因。“top-10”的推定预后意义
【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：GPL17301、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=GSE160314
【使用注意】
· 源站最后修改于 Oct 29 202，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=GSE160314
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
骨是乳腺癌（BC）最常见的转移部位，尽管目前尚无生物标志物可用于预测骨骼播散的风险。在本研究中，我们试图在从40例转移性BC患者分离的循环肿瘤细胞（CTC）中，鉴定与骨转移（BM）发生相关的基因特征，这些患者根据入组时的转移部位被分为“BM”（仅骨）、“ES”（骨外）或“BM+ES”（骨和骨外）三组。一个基于广泛文献综述得出的134基因组合，在具有不同器官趋向性的MDA-MB-231 BC细胞系亚克隆上进行了验证，随后应用于CTC组进行靶向RNA测序。未发现CTC数量与临床病理变量之间存在相关性，而从“BM”和“ES”CTC比较中出现了31个差异表达基因。最后，通过使用一个外部BC数据集，探索并指出了“前10位”最失调基因的推定预后意义。
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。
