早期乳腺癌切除后循环miRNA变化数据集
该数据集来自NCBI GEO(GSE57661),聚焦早期乳腺癌肿瘤切除前后循环miRNA水平的变化。研究对24例绝经后雌激素受体阳性早期乳腺癌患者手术前及术后3周的血清样本进行基于LNA的全局定量实时PCR分析,检测到142至161个miRNA,其中107个在所有样本中可检出

基本信息
资源简介
早期乳腺癌切除后循环miRNA变化数据集
Alterations in circulating miRNAs following early-stage breast cancer resection
该数据集来自NCBI GEO(GSE57661),聚焦早期乳腺癌肿瘤切除前后循环miRNA水平的变化。研究对24例绝经后雌激素受体阳性早期乳腺癌患者手术前及术后3周的血清样本进行基于LNA的全局定量实时PCR分析,检测到142至161个miRNA,其中107个在所有样本中可检出。数据可用于探索循环miRNA作为乳腺癌手术相关生物标志物的潜力,并支持差异表达与预测建模分析(来源 NCBI)。
【数据集背景】
源站首次发布:May 14 201。
【数据内容】
源站描述(机器翻译,仅供参考):引言:循环microRNA(miRNA)具有显著的稳定性,可能在多种临床癌症场景中作为生物标志物。本研究旨在探究乳腺癌手术后特定循环miRNA水平的变化,并评估这些变化是否在独立数据集中也能观察到。方法:采用基于LNA的全局定量实时PCR(qPCR)对24例绝经后雌激素受体阳性早期乳腺癌患者手术前及肿瘤切除后3周前瞻性收集的血清样本进行全局miRNA分析。结果:样本中检测到的特定miRNA数量范围为142至161,其中107个miRNA在所有样本中均可检出。经多重比较校正后,3个循环miRNA(miR-338-3p、miR-223和miR-148a)表现出显著降低,以及1个miRNA
【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 RT-PCR、GPL18693、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=GSE57661
【使用注意】
· 源站最后修改于 Jan 30 202,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=GSE57661
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
引言:循环microRNA(miRNA)表现出显著的稳定性,可能在多种临床癌症情境中作为生物标志物。本研究旨在探讨乳腺癌手术后特定循环miRNA水平的变化,并评估这些变化是否在一个独立数据集中也能观察到。方法:采用基于LNA的全局定量实时PCR(qPCR)对24例雌激素受体阳性早期乳腺癌绝经后女性术前及肿瘤切除术后3周前瞻性收集的血清样本进行全局miRNA分析。结果:样本中检测到的特定miRNA数量范围为142至161个,其中107个miRNA在所有样本中均可检测到。经多重比较校正后,3个循环miRNA(miR-338-3p、miR-223和miR-148a)在术后样本中的水平显著低于术前样本,1个miRNA(miR-107)在术后样本中的水平高于术前样本(p<0.05)。与术前样本相比,术后样本中未出现持续无法检测到的miRNA。
随后,我们将研究发现与一个来自相似患者群体的数据集进行了比较,该数据集采用相似的研究设计和相同的qPCR分析平台进行分析,结果一致性有限。结论:在绝经后女性原发性ER+乳腺癌根治性切除术后,一组4种循环miRNA的水平显著改变。这些特定的miRNA可能参与肿瘤发生,并有可能用于监测手术是否已切除所有癌细胞和/或随后患者是否出现复发。
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。




