BAP1在肺腺癌和甲状腺中的研究

围绕BAP1基因突变在肺腺癌和甲状腺中的研究,关联BAP1肿瘤易感综合征及不良预后。

NIAID Data Ecosystem
浏览 6
基因组BAP1相关肿瘤基因组
BAP1 in lung adenocarcinoma and thyroid

基本信息

模态
基因组
大小
0.000570704 GB
创建/更新时间
2026-10-08
版本
v1

资源简介

BAP1在肺腺癌和甲状腺中的研究

【一句话概览】

本数据集涉及肺腺癌与甲状腺中的 BAP1,包含4个文件,合计570.7 KB。BAP1 突变影响多种肿瘤发展,并与不良预后相关;其胚系突变与遗传性癌症 BAP1-肿瘤易感综合征相关。BAP1 体细胞突变是在相应散发性肿瘤中识别胚系突变之后发现的(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《BAP1 in lung adenocarcinoma and thyroid》。源站首次发布:2018-06-26。

【数据内容】

源站原始描述:BAP1 mutations influence the development of multiple tumors and are associated with poor prognosis. Its germline mutations are associated with hereditary cancer known as BAP1-tumor predisposing syndrome. Somatic mutations of BAP1 were identified after recognition of germline mutations in corresponding sporadic tumors

中文译文(机器翻译,仅供快速理解,请以原文为准):BAP1突变影响多种肿瘤的发生,并与不良预后相关。其胚系突变与一种被称为BAP1肿瘤易感综合征的遗传性癌症相关。BAP1的体细胞突变是在相应散发性肿瘤中识别出胚系突变之后才被发现的。

【数据结构与技术规格】

文件数 4 个,合计 570.70 KB。数据集 DOI:10.17632/93tzdsyc4c.1。

【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://data.mendeley.com/datasets/93tzdsyc4c

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://data.mendeley.com/datasets/93tzdsyc4c

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

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。

获取专属数据定制方案