源自鳞状化生化生性乳腺癌组织的细胞系转录组分析

该数据集为GSE183905,来源于NCBI,包含1个文件(GSE183905_series_matrix.txt.gz),针对源自鳞状化生化生性乳腺癌(MBC-SM)组织的细胞系进行转录组分析

geo
浏览 5
基因组分类GPL232279606
GSE183905: Transcriptomic analysis of cell lines derived from a metaplastic breast cancer with squamous metaplasia (MBC-SM) tissue

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-24

资源简介

源自鳞状化生化生性乳腺癌组织的细胞系转录组分析

Transcriptomic analysis of cell lines derived from a metaplastic breast cancer with squamous metaplasia (MBC-SM) tissue

该数据集为GSE183905,来源于NCBI,包含1个文件(GSE183905_series_matrix.txt.gz),针对源自鳞状化生化生性乳腺癌(MBC-SM)组织的细胞系进行转录组分析。研究建立了上皮为主和间质为主的细胞克隆,并对其进行深入表征,旨在探究上皮-间质转化(EMT)与肿瘤转移的因果关系。数据可用于乳腺癌亚型分子特征分析、EMT相关基因表达研究及细胞克隆异质性分类等(来源 NCBI)。

【数据集背景】

源站首次发布:Sep 10 202。

【数据内容】

源站描述(机器翻译,仅供参考):尽管上皮-间质转化(EMT)是解释癌症转移为何发生的首选假说,但由于临床证据不一致,其因果关系仍不明确。在本研究中,我们从一位患者的化生性乳腺癌伴鳞状化生组织(MBC-SM)中建立了上皮为主和间质为主的细胞克隆,随后对衍生的细胞克隆进行了深入表征。

【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:GPL23227、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=GSE183905

【使用注意】

· 源站最后修改于 Sep 12 202,引用时请注意版本时效。

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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE183905

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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

尽管上皮-间质转化(EMT)是解释癌症转移发生机制的首选假说,但由于临床证据不一致,其因果关系仍不明确。本研究从一位伴有鳞状化生组织的患者来源化生性乳腺癌(MBC-SM)中建立了上皮为主和间质为主的两类细胞克隆,并对所衍生的细胞克隆进行了深入表征。

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。

获取专属数据定制方案