大鼠数据
源站描述指出,人类 DNA 每天因活性氧、辐射、化学物质及内源性代谢副产物等损伤剂而受损可达十万次,DNA 双链断裂修复缺陷与早发性癌症综合征、提前衰老及神经和免疫疾病相关;澳大利亚现有癌症风险筛查针对乳腺、肠道和宫颈癌高危人群,家族性癌症综合征可进行遗传筛查,但人群筛查和遗传筛查无法预测发病年龄或

基本信息
资源简介
大鼠数据
Rat Data
该数据集英文名为 Rat Data,来源站为 doi.org,本站分类为肿瘤 / 宫颈癌,作者为 Hosking, Holly,机构为 CQUniversity,发布时间为 2025,主题标签为 Predictive and prognostic markers。源站描述指出,人类 DNA 每天因活性氧、辐射、化学物质及内源性代谢副产物等损伤剂而受损可达十万次,DNA 双链断裂修复缺陷与早发性癌症综合征、提前衰老及神经和免疫疾病相关;澳大利亚现有癌症风险筛查针对乳腺、肠道和宫颈癌高危人群,家族性癌症综合征可进行遗传筛查,但人群筛查和遗传筛查无法预测发病年龄或早发性疾病风险。该数据可用于预测与预后标志物相关研究(来源 DOI 解析,A。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 引言 人类 DNA 每天因暴露于活性氧、辐射、化学物质和内源性代谢副产物等 DNA 损伤剂而受损多达十万次。对最致命的一种 DNA 损伤——影响 DNA 两条链的 DNA 双链断裂——的缺陷性或低效修复,已与早发性癌症综合征、提前衰老以及其他神经和免疫状况相关联。在澳大利亚,当前的癌症风险筛查是针对有乳腺癌、肠癌和宫颈癌风险的目标人群的基于人群的筛查。对于被确定具有家族性癌症综合征(如遗传性乳腺癌和卵巢癌综合征)风险增加的个体,可进行遗传筛查。然而,基于人群的筛查和遗传筛查无法预测疾病的发病年龄或早发性疾病的风险。
【主题与分类】
主题标签:Predictive and prognostic markers。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://acquire.cqu.edu.au/articles/dataset/Rat_Data/28657400/1
使用许可:All Rights Reserved 1.0。
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/10.25946/28657400.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:
数据说明
摘要 引言 人类DNA每天因暴露于活性氧物种、辐射、化学物质及内源性代谢副产物等DNA损伤剂而受损高达十万次。最致命的DNA损伤类型——影响DNA双链的DNA双链断裂,其修复缺陷或低效与早发性癌症综合征、提前衰老及其他神经和免疫系统疾病有关。在澳大利亚,当前的癌症风险筛查是基于人群的,针对乳腺癌、肠癌和宫颈癌高风险目标群体。对于被识别为具有家族性癌症综合征(如遗传性乳腺癌和卵巢癌综合征)风险增加的个体,可进行遗传筛查。然而,基于人群的筛查和遗传筛查无法预测疾病的发病年龄或早发性疾病的风险。此外,由于所有确诊癌症病例中仅有5-10%与遗传性癌症易感综合征相关,对于那些没有遗传性癌症易感综合征且不符合基于人群筛查标准的个体,癌症风险筛查存在空白。
本博士研究探讨了DNA双链断裂标志物γ-H2AX在个体化评估DNA双链断裂修复中的潜在应用,以期未来用于临床癌症风险筛查。方法本博士论文在三种实验模型中评估了DNA双链断裂损伤与修复。第一个是Wistar大鼠模型,在第四章中进行研究,探讨了三种造血组织——骨髓、外周血单核细胞和脾脏——中DNA损伤与修复之间的联系。本章还利用在3月龄和15月龄时分析样本的同窝大鼠,探究了衰老如何影响DNA损伤与修复。该模型还研究了生物学性别对DNA损伤与修复的影响。第二项研究(第五章)探讨
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。
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。




