TNBC meta分析补充表S5
该数据集为三阴性乳腺癌（TNBC）meta分析的补充材料，包含1个Excel文件，列出四种核心中草药（CHM）的结合蛋白，并与靶向PD-1/PD-L1及靶向VEGF的单克隆抗体疗法进行比较
基本信息
资源简介
TNBC meta分析补充表S5
TNBC meta-analysis Supplementary File
该数据集为三阴性乳腺癌（TNBC）meta分析的补充材料，包含1个Excel文件，列出四种核心中草药（CHM）的结合蛋白，并与靶向PD-1/PD-L1及靶向VEGF的单克隆抗体疗法进行比较。数据来源于一项关于中草药辅助治疗早期三阴性乳腺癌的研究，用于支持药理学与生物信息学分析的可重复性，可供相关研究者参考与进一步分析（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-10-15。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集提供关于中草药（CHM）作为三阴性乳腺癌（TNBC）辅助治疗研究的补充材料。它包括以下用于药理学和生物信息学分析的补充文件：- 补充文件：四种核心中草药的结合蛋白与靶向PD-1/PD-L1及靶向VEGF的单克隆抗体疗法的比较。该补充数据集支持题为“Effect of Integrative Chinese Herbal Medicine on Treatment Response in Early-Stage Triple-Negative Breast Cancer: A Meta-Analysis of Randomized Controlled Trials with Trial Sequential Analysis and Core Herb Exploration”的手稿中所呈现的分析，该手稿目前投稿至Journal of Traditional and Complementary Medicine。它为可重复性和进一步参考提供了详细数据。
【数据结构与技术规格】
文件数 1 个，合计 114.84 KB。数据集 DOI：10.6084/m9.figshare.30145912.v3。
【主题与分类】
源站学科分类：Traditional Chinese medicine and treatments。主题标签：TNBC (triple negative breast cancer。本站分类：肿瘤/乳腺癌。
【适用方向】
源站学科分类标注为 Traditional Chinese medicine and treatments。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/TNBC_meta-analysis_Supplementary_table_S5/30145912
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Hou, Hsiang-I (2025). TNBC meta-analysis Supplementary File. figshare. Dataset
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://doi.org/10.6084/m9.figshare.30145912.v1
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 114.8 KB。
数据说明
该数据集为中药（CHM）作为三阴性乳腺癌（TNBC）辅助治疗的研究提供补充材料。它包括用于药理学和生物信息学分析的三个补充表格：- 补充表S5：三种核心中药与PD-1/PD-L1靶点比较的结合蛋白。这些补充数据集支持主手稿中呈现的荟萃分析和网络药理学发现，为可重复性和进一步参考提供详细数据。
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。
