Payload轴分析代码与衍生数据:抗体偶联药物转录组payload敏感性分型
该数据集包含乳腺癌抗体偶联药物治疗中转录组来源payload敏感性评分的手稿配套代码与衍生表格,含144个分析脚本,覆盖elastic-net签名训练、四药敏感性库跨平台迁移、患者队列验证、泛癌可行性网格、payload位点亚分类、单基因基准、免疫/ADCC轴及随机效应meta分析,并提供手稿全部数

基本信息
资源简介
Payload轴分析代码与衍生数据:抗体偶联药物转录组payload敏感性分型
Payload axis analysis code and derived data: transcriptomic payload-sensitivity subtyping for antibody-drug conjugates
该数据集包含乳腺癌抗体偶联药物治疗中转录组来源payload敏感性评分的手稿配套代码与衍生表格,含144个分析脚本,覆盖elastic-net签名训练、四药敏感性库跨平台迁移、患者队列验证、泛癌可行性网格、payload位点亚分类、单基因基准、免疫/ADCC轴及随机效应meta分析,并提供手稿全部数字所依据的衍生表及Payload Axis Explorer单文件网页应用,可在浏览器本地重算两个轴评分,不上传数据、不发起网络调用(来源 DOI 解析,MIT License 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):随附手稿的代码与衍生表格,涉及乳腺癌抗体偶联药物治疗中转录组来源的payload敏感性评分。包含144个分析脚本(elastic-net签名训练、四药敏感性库跨平台迁移、患者队列验证、泛癌可行性网格、payload位点亚分类、单基因基准、免疫/ADCC轴、随机效应meta分析),以及手稿中每个报告数字所读取的衍生表格,还有Payload Axis Explorer静态单文件网页应用(在浏览器本地重算两个轴评分;不上传数据,不发起网络调用)。采用MIT许可。未获得特定资助。
【主题与分类】
主题标签:antibody-drug conjugate、payload sensitivity、transcriptomics、biomarker、elastic net、pan-cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23119145
使用许可:MIT License。
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://doi.org/10.5281/zenodo.23119145
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:
数据集大小约 676.4 KB。
数据说明
随稿提供的代码与派生表格,涉及乳腺癌抗体-药物偶联物治疗中转录组衍生的载荷敏感性评分。包括144个分析脚本(弹性网签名训练、四药敏感性库跨平台迁移、患者队列验证、泛癌可行性网格、载荷位点亚分类、单基因基准、免疫/ADCC轴、随机效应荟萃分析),以及用于读取手稿中报告的每一个数字的派生表格,还有Payload Axis Explorer静态单文件Web应用(在浏览器本地重新计算两个轴评分;不上传数据,不发起网络调用)。采用MIT许可证。未获得特定资助。
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。




