里氏综合征慢性淋巴细胞白血病的基因组分析
里氏综合征慢性淋巴细胞白血病（Richter转化型CLL）的基因组分析数据集。
基本信息
资源简介
里氏综合征慢性淋巴细胞白血病的基因组分析
【一句话概览】
本数据集是 BioStudies 公开的组学数据集，主题涵盖 genotyping by array、Homo sapiens，可用于生物标志物发现与分子分型研究。
【数据集背景】
本数据集源站标题为《Genomic profiling of Richter-syndrome Chronic Lymphocytic Leukemia》。
【数据内容】
源站原始描述：Richter syndrome (RS) occurs in up to 15% of patients with chronic lymphocytic leukemia (CLL). While RS, usually represented by the histologic transformation to a diffuse large B-cell lymphoma (DLBCL), is associated with a very poor outcome, especially when clonally related to the pre-existing CLL, mechanisms leading to RS have not been clarified yet. To better understand the pathogenesis of RS, we analyzed a series of cases including: 59 RS, 28 CLL-phase of RS, 315 CLL and 127 de novo DLBCL. RS…
中文译文（机器翻译，仅供快速理解，请以原文为准）：Richter综合征（RS）发生于高达15%的慢性淋巴细胞白血病（CLL）患者中。虽然RS通常表现为向弥漫性大B细胞淋巴瘤（DLBCL）的组织学转化，且与极差的预后相关，尤其是当它与既存的CLL克隆相关时，但导致RS的机制尚未阐明。为更好地理解RS的发病机制，我们分析了一系列病例，包括：59例RS、28例RS的CLL期、315例CLL和127例原发DLBCL。RS的基因组复杂性介于CLL和DLBCL之间。通过TP53和CDKN2A失活导致的细胞周期失调是从CLL期发生组织学转化的主要机制，约半数病例中存在，并影响RS患者的预后。第二个主要亚群以12三体为特征，占三分之一的病例。虽然RS与原发DLBCL中所见的一些病变有共同之处，但其基因组谱明显不同。与未转化的CLL相比，发生于RS之前的CLL期并未出现基因组复杂性的普遍增加，但在特定遗传病变的频率上呈现出明显差异。Richter综合征慢性淋巴细胞白血病的基因组谱分析
【主题与分类】
主题标签：genotyping by array、Homo sapiens。
【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.ebi.ac.uk/biostudies/ArrayExpress/studies/E-GEOD-50252
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.ebi.ac.uk/biostudies/ArrayExpress/studies/E-GEOD-50252
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。
