KRAS同时扩增和突变:罕见胶质母细胞瘤亚群的治疗靶点?

研究KRAS同时扩增和突变在罕见胶质母细胞瘤亚群中的治疗靶点意义的数据集。

ChEBI
2015-09-19 更新
浏览 17
基因组Homo sapiens
Simultaneous amplification and mutation of KRAS: a therapeutic target in a rare subgroup of glioblastoma?

基本信息

模态
基因组
创建/更新时间
2015-09-19

资源简介

KRAS同时扩增和突变:罕见胶质母细胞瘤亚群的治疗靶点?

【一句话概览】

本数据集是 BioStudies 公开的组学数据集,主题涵盖 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《Simultaneous amplification and mutation of KRAS: a therapeutic target in a rare subgroup of glioblastoma?》。

【数据内容】

源站原始描述:We describe the case of a glioblostoma multiform in a 66 year old female patient showing both amplification and mutation (exon 3; codon 61) of KRAS. sample was analysed by arrayCGH method using Agilent recommendations. Sample was labeled in Cy5 and co-hybridized with control DNA cy3 labeled

中文译文(机器翻译,仅供快速理解,请以原文为准):我们描述了一例66岁女性多形性胶质母细胞瘤患者,该患者同时表现出KRAS扩增和突变(外显子3;密码子61)。样本采用Agilent推荐方案通过arrayCGH方法进行分析。样本用Cy5标记,并与Cy3标记的对照DNA共杂交。

【主题与分类】

主题标签: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-73199

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.ebi.ac.uk/biostudies/ArrayExpress/studies/E-GEOD-73199

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