胃肠道癌症生物标志物免疫疗法患者队列数据
该数据集包含4125例14种胃肠道肿瘤患者的临床与生物标志物数据，主要模态为临床表格数据，量化分析了肿瘤突变负荷、错配修复缺陷及PD-L1表达水平等关键生物标志物，旨在探究这些标志物之间的关联性及其在不同癌种中的分布差异，为免疫治疗响应预测和胃肠道肿瘤预后评估提供数据支持。
基本信息
资源简介
胃肠道癌症生物标志物免疫疗法患者队列数据
【数据内容】
源站原始描述：数据集概述 本数据集针对4125例14种不同胃肠道肿瘤患者队列，量化分析肿瘤突变负荷（TML）、错配修复缺陷（dMMR）及PD-L1表达水平，探究三者关联性。数据覆盖不同癌种生物标志物分布差异及相互关系，为免疫治疗响应预测提供参考，包含1个文件。 文件详解 文件名称：TML in GI cancer uploaded.xlsx 文件格式：XLSX
中文译文（机器翻译，仅供快速理解，请以原文为准）：Dataset overview: This dataset focuses on a cohort of 4,125 patients with 14 different types of gastrointestinal tumors, quantitatively analyzing tumor mutation load (TML), mismatch repair deficiency (dMMR), and PD-L1 expression levels, and exploring the associations among the three. The data cover differences in biomarker distribution across cancer types and their interrelationships, providing a reference for predicting immunotherapy response, and include 1 file. File details: File name: TML in GI cancer uploaded.xlsx; File format: XLSX...
【获取与许可】
源站页面：https://haidatas.com/dataset/weichangdaoaizhengshengwubiaozhiwumianyili_0c62981f
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。
需登录公开下载
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。
暂未开放有偿下载
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://haidatas.com/dataset/weichangdaoaizhengshengwubiaozhiwumianyili_0c62981f
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
该数据集是一个针对胃肠道肿瘤患者的队列研究数据集，包含4125例14种不同胃肠道肿瘤患者的临床与生物标志物信息。数据集量化分析了肿瘤突变负荷（TML）、错配修复缺陷（dMMR）及PD-L1表达水平等关键生物标志物，并探究了三者之间的关联性。数据覆盖了不同癌种中生物标志物的分布差异及相互关系，为免疫治疗响应预测和预后评估提供了重要的参考依据。数据来源于公开的医学研究，以表格形式存储，适用于癌症免疫治疗生物标志物研究、胃肠道肿瘤预后预测等方向。
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。
