MCF7衍生多器官转移的单细胞分析
该数据集来自NCBI GEO,标题为MCF7衍生多器官转移的单细胞分析,属于肿瘤/乳腺癌领域。源站描述涉及对137例转移性乳腺癌患者超13000个循环肿瘤细胞的分析,以及骨转移临床前模型验证Her2+循环肿瘤细胞在多器官转移中的作用

基本信息
资源简介
MCF7衍生多器官转移的单细胞分析
Single cell analysis of MCF7-derived multi-organ metastases
该数据集来自NCBI GEO,标题为MCF7衍生多器官转移的单细胞分析,属于肿瘤/乳腺癌领域。源站描述涉及对137例转移性乳腺癌患者超13000个循环肿瘤细胞的分析,以及骨转移临床前模型验证Her2+循环肿瘤细胞在多器官转移中的作用。数据包含1个文件(GSE230612_series_matrix.txt.gz),主题标签包括高通量测序表达谱分析、GPL24676平台和9606物种。可用于研究乳腺癌骨转移机制、Her2+循环肿瘤细胞功能及抗Her2治疗响应等方向(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):骨转移可播散至继发部位并促进乳腺癌进展,带来额外的临床挑战。继发性转移的机制尚不清楚。在此,我们分析了来自137例初始HR+/Her2-状态的转移性乳腺癌(MBC)患者队列的超过13,000个循环肿瘤细胞(CTC),评估了Her2+ CTC的预测能力,并采用骨转移(BM)临床前模型验证Her2+ CTC在多器官转移中的作用。虽然Her2+表达在骨转移患者中更高,但实验分析显示,大多数源自骨病灶的Her2+ CTC更依赖Her2活性,且对抗Her2治疗更敏感。靶向骨介导的Her2诱导可减少CTC检测并消除来自骨的继发性转移。总体而言,我们阐明了
【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:GPL24676、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=GSE230612
【使用注意】
· 源站最后修改于 Mar 06 202,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=GSE230612
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
骨转移可播散至继发部位并促进乳腺癌进展,从而带来额外的临床挑战。促成继发性转移的机制尚不清楚。本研究分析了137例初始为HR+/Her2-状态的转移性乳腺癌(MBC)患者队列中的13,000余个循环肿瘤细胞(CTCs),评估Her2+ CTCs的预测能力,并采用骨转移(BM)的临床前模型验证Her2+ CTCs在多器官转移中的作用。虽然骨转移患者的Her2+表达较高,但实验分析显示,这些源自骨病灶的Her2+ CTCs大多数更依赖Her2活性,且对抗Her2治疗更敏感。靶向骨介导的Her2诱导可减少CTC检出并阻断来自骨的继发性转移。总体而言,我们阐明Her2+ CTCs可作为BM形成的非侵入性生物标志物,对HR+ MBC患者具有较高的治疗获益。
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。




