南美国家来源的乳腺癌PDX的类固醇激素受体、外显子组测序与治疗反应性
南美来源乳腺癌PDX模型的外显子组测序、类固醇激素受体表达及治疗反应研究数据。
基本信息
资源简介
南美国家来源的乳腺癌PDX的类固醇激素受体、外显子组测序与治疗反应性
【一句话概览】
本数据集是 NCBI 公开的组学数据集，主题涵盖 PRJNA1158830、IBYME，可用于生物标志物发现与分子分型研究。
【数据集背景】
本数据集源站标题为《Steroid hormone receptors, exome sequencing, and treatment responsiveness of breast cancer patient-derived xenografts originated in a South American country》。源站首次发布：2025-09-08。
【数据内容】
源站原始描述：Breast cancer (BC) patient-derived xenografts (PDX) are relevant models for precision medicine. However, there are no collections derived from South American BC patients. Since ethnicity significantly impacts clinical outcomes, it is necessary to develop PDX models from different lineages. Our goals were to a) develop BC PDX from our population b) characterize the expression of estrogen (ER), progesterone (PR), androgen (AR) and glucocorticoid (GR) receptors, basal and luminal cytokeratins, EGFR…
中文译文（机器翻译，仅供快速理解，请以原文为准）：乳腺癌（BC）患者来源异种移植模型（PDX）是精准医学的相关模型。然而，目前尚无来源于南美BC患者的PDX样本库。由于种族显著影响临床结局，因此有必要开发来自不同血统的PDX模型。我们的目标是：a）从我们的人群中开发BC PDX；b）表征雌激素受体（ER）、孕激素受体（PR）、雄激素受体（AR）和糖皮质激素受体（GR）、基底型和管腔型细胞角蛋白、EGFR和HER2的表达；c）鉴定PDX突变；d）评估根据其生物学和遗传特征所选治疗的应答；e）利用PDX组织进行BC组织培养（BCTC），并比较体内和离体结果。
【主题与分类】
主题标签：PRJNA1158830、IBYME。
【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/SRP531660
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/SRP531660
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。
