雌激素受体介导的PGx-eQTL研究：乳腺癌内分泌治疗反应遗传决定因素-101438
该数据集包含由30个淋巴母细胞样细胞系（LCLs）生成的processed RNA-seq count数据，是一项药物基因组学表达数量性状位点（PGx-eQTL）研究的一部分，该研究考察雌激素受体介导的乳腺癌内分泌治疗反应
基本信息
资源简介
雌激素受体介导的PGx-eQTL研究：乳腺癌内分泌治疗反应遗传决定因素
该数据集包含由30个淋巴母细胞样细胞系（LCLs）生成的processed RNA-seq count数据，是一项药物基因组学表达数量性状位点（PGx-eQTL）研究的一部分，该研究考察雌激素受体介导的乳腺癌内分泌治疗反应
Study of Estrogen Receptor-Mediated PGx-eQTLs Identifies Genetic Determinants of Breast Cancer Endocrine Therapy Response
【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）：该数据集包含由30个淋巴母细胞样细胞系（LCLs）生成的processed RNA-seq count数据，是一项药物基因组学表达数量性状位点（PGx-eQTL）研究的一部分，该研究考察雌激素受体介导的乳腺癌内分泌治疗反应。RNA-seq读段使用STAR 2-pass比对至人类参考基因组（hg19），读段计数使用HTSeq-count生成。提供四个processed count文件：原始HTSeq count矩阵（.txt）、原始count矩阵（.txt），以及两者的DESeq2归一化版本（.csv）。这些数据支持手稿：“Study of Estrogen Receptor-Mediated PGx-eQTLs Identifies Genetic Determinants of Breast Cancer Endocrine Therapy Response”。数据以processed、去标识化格式提供。
【主题与分类】
主题标签：乳腺癌、内分泌治疗、PGx-eQTL、RNA-seq、雌激素受体、药物基因组学、LCL。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.22583587
使用许可：Creative Commons Attribution 4.0 International。
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.22583587
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 95.9 MB。
数据说明
该数据集包含由30个淋巴母细胞样细胞系（LCLs）产生的经过处理的RNA-seq计数数据，是一项药物基因组学表达数量性状位点（PGx-eQTL）研究的一部分，该研究旨在探讨乳腺癌中雌激素受体介导的内分泌治疗反应。RNA-seq读段使用STAR 2-pass比对方法比对到人类参考基因组（hg19），读段计数使用HTSeq-count生成。提供了四个经过处理的计数文件：原始HTSeq计数矩阵（.txt）、原始计数矩阵（.txt），以及两者的DESeq2标准化版本（.csv）。这些数据支持手稿：“Study of Estrogen Receptor-Mediated PGx-eQTLs Identifies Genetic Determinants of Breast Cancer Endocrine Therapy Response”。数据以经过处理、去标识化的格式提供。
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。
