LCCC 1108:肿瘤分子分析程序的开发及其在治疗决策中的应用

肿瘤分子分析程序开发研究,利用肿瘤和种系标本进行遗传图谱分析以支持治疗决策。

NIAID Data Ecosystem
浏览 6
基因组PRJNA496300
LCCC 1108: Development of A Tumor Molecular Analyses Program and Its Use to Support Treatment Decisions

基本信息

模态
基因组
创建/更新时间
2026-10-25

资源简介

LCCC 1108:肿瘤分子分析程序的开发及其在治疗决策中的应用

【一句话概览】

LCCC 1108 是一项标本相关性研究,旨在建立肿瘤分子分析项目并用于支持治疗决策。其主要目标有两方面:一是提供机制,将已知分子改变与临床结局相关联;二是利用肿瘤与生殖系标本,对具有已知临床用途的分子改变进行快速基因谱分析,以支持治疗决策。该研究由北卡罗来纳大学教堂山分校开展,登记号为 PRJNA496300(来源 NCBI)。

【数据集背景】

本数据集源站标题为《LCCC 1108: Development of A Tumor Molecular Analyses Program and Its Use to Support Treatment Decisions》。源站首次发布:2018-10-16。

【数据内容】

源站原始描述:The primary objective of this specimen correlative study was two-fold: to provide a mechanism for the association of known molecular alterations with clinical outcomes, and to provide rapid genetic profiling of alterations with known clinical utility using tumor and germline specimens to support treatment decisions

中文译文(机器翻译,仅供快速理解,请以原文为准):这项标本相关性研究的主要目的有两方面:一是为已知分子改变与临床结局之间的关联提供一种机制;二是利用肿瘤和胚系标本,对具有已知临床价值的改变进行快速基因谱分析,以支持治疗决策。

【主题与分类】

主题标签:PRJNA496300。

【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/SRP226651

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://www.ncbi.nlm.nih.gov/sra/SRP226651

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