乳腺癌的整合分子特征分析
通过全外显子、转录组和单细胞测序对乳腺癌进行分子特征整合分析，以发现免疫治疗反应标志物。
基本信息
资源简介
乳腺癌的整合分子特征分析
【一句话概览】
该研究对乳腺癌肿瘤开展整合分子分析，包括肿瘤与正常配对样本的全外显子组测序、全转录组测序及单细胞或单核RNA测序，以确定新型疗法和免疫治疗应答的分子相关性，重点解析抗癌免疫在治疗应答中的作用及耐药机制。目标是识别分子标志（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Integrative molecular characterization of breast cancer》。源站首次发布：2021-09-03。
【数据内容】
源站原始描述：Version 1: We have performed integrative analyses of breast cancer tumors, including whole exome sequencing (WES) of tumor and normal pairs, whole transcriptome sequencing, and single-cell RNA sequencing (scRNA-seq) or single-nucleus RNA sequencing (snRNA-seq), to determine molecular correlates of response to novel and immune therapies. We have focused on dissecting the role of anticancer immunity in response to these therapies and understanding biological mechanisms underlying therapeutic resis…
中文译文（机器翻译，仅供快速理解，请以原文为准）：版本1：我们对乳腺癌肿瘤进行了整合分析，包括肿瘤与正常配对样本的全外显子组测序（WES）、全转录组测序，以及单细胞RNA测序（scRNA-seq）或单核RNA测序（snRNA-seq），以确定对新型疗法和免疫疗法应答的分子相关因素。我们重点剖析抗癌免疫在这些疗法应答中的作用，并理解治疗耐药背后的生物学机制。本工作的目标是推进乳腺癌治疗的精准医学方法，通过识别分子生物标志物来改进治疗选择，并发现新型治疗靶点以克服耐药。 版本2：我们对新鲜冷冻……进行了bulk全外显子组测序（WES）……（更多内容见dbGaP研究页面。）
【主题与分类】
主题标签：PRJNA727874、DANA-FARBER CANCER INST。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/sra/SRP330496
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://www.ncbi.nlm.nih.gov/sra/SRP330496
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
