耐药胶质母细胞瘤亚型特异性脆弱性识别：用于生物标志物和药物发现的计算流程数据集
该数据集是一个针对耐药胶质母细胞瘤（GBM）的多模态研究数据集，主要包含来自Ivy GBM图谱计划的基因表达谱、生物标志物（如PDGFRA、FAP、CD163）的亚型特异性分析结果、患者生存分析数据，以及一个基于PDGFRA靶点的定量构效关系（QSAR）药物发现模型。其主要用途是深入解析GBM耐药的分子景观，为特定亚型GBM提供精准的生物标志物，并辅助通过计算流程进行新型抗肿瘤药物的理性设计与发现。
基本信息
资源简介
耐药胶质母细胞瘤亚型特异性脆弱性识别：用于生物标志物和药物发现的计算流程数据集
【数据集背景】
本数据集源站标题为《Identification
of Subtype-Specific Vulnerabilities
in Resistant Glioblastoma: A Computational Pipeline for Biomarkers
and Drug Discovery》。配套论文《Identification of Subtype-Specific Vulnerabilities in Resistant Glioblastoma: A Computational Pipeline for Biomarkers and Drug Discovery》发表于 Molecular Pharmaceutics（2025），DOI：10.1021/acs.molpharmaceut.5c01538。源站首次发布：2025-12-03。
【数据内容】
源站原始描述：Therapeutic resistance in glioblastoma (GBM) remains a critical clinical challenge. To better understand its molecular basis, we performed a multistage computational analysis on a resistant GBM data set derived from the Ivy Glioblastoma Atlas Project, filtered for unmethylated MGMT and EGFR amplification. A subtype-specificity analysis identified distinct expression patterns for established biomarkers, including PDGFRA, FAP, and CD163, providing refined context for their roles in specific GBM su…
【数据结构与技术规格】
文件数 1 个，合计 43.42 MB。数据集 DOI：10.1021/acs.molpharmaceut.5c01538.s002。
【主题与分类】
源站学科分类：Cell Biology、Genetics、Neuroscience、Pharmacology、Biotechnology、Biological Sciences not elsewhere classified。主题标签：providing refined context、potential new inhibitors、novel lead compound、integrated bioinformatic pipelines、high predicted potency、critical clinical challenge、multistage computational analysis、model targeting pdgfra、specific gbm subtypes、specific vulnerabilities。
【适用方向】
源站学科分类标注为 Cell Biology、Genetics、Neuroscience、Pharmacology、Biotechnology、Biological Sciences not elsewhere classified。
【获取与许可】
源站页面：https://acs.figshare.com/articles/dataset/Identification_of_Subtype-Specific_Vulnerabilities_in_Resistant_Glioblastoma_A_Computational_Pipeline_for_Biomarkers_and_Drug_Discovery/30773455
使用许可：CC BY-NC 4.0（https://creativecommons.org/licenses/by-nc/4.0/）。
规范引用：Lopez-Parra, Johan Sebastian; Hameedat, Fatima; Sousa, Sérgio F.; Walenkamp, Annemiek M. E.; Sousa, Flávia; A Santos, Hélder (2025). Identification of Subtype-Specific Vulnerabilities in Resistant Glioblastoma: A Computational Pipeline for Biomarkers and Drug Discovery. ACS Publications. Dataset
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集来源于Ivy胶质母细胞瘤图谱计划，针对具有未甲基化MGMT和EGFR扩增特征的耐药胶质母细胞瘤（GBM）患者样本进行多阶段计算分析。数据集内容包括：1）耐药GBM的基因表达谱数据；2）亚型特异性分析结果，揭示了PDGFRA、FAP、CD163等关键生物标志物在不同GBM亚型中的表达模式；3）生存分析结果，显示高PDGFRA表达与患者不良预后相关；4）针对PDGFRA靶点的定量构效关系（QSAR）模型及通过该模型在计算机中识别出的新型先导化合物（基于噻唑并吡啶支架）。该数据集主要用于研究GBM耐药的分子机制、发现亚型特异性生物标志物、以及辅助基于结构的抗GBM药物理性设计。
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。
