炎性与非炎性乳腺癌样本比较数据集
包含41例IBC和55例非IBC样本的基因表达谱，用于诊断、预后和预测标志物探索。由ArrayExpress提供，来自OmicsDI，数据格式为表格，包含96条数据记录，适用于分类任务，专注于肿瘤领域的炎性乳腺癌研究。
基本信息
资源简介
炎性与非炎性乳腺癌样本比较数据集
【一句话概览】
胆汁酸在脊椎动物代谢中促进肠道脂质吸收，并作为脂质和碳水化合物代谢的信号分子，也是排出多余胆固醇的主要途径。Amacr 是从胆固醇生成胆汁酸所需的酶之一，缺乏 Amacr 的小鼠仅能产生少量（不足10%）胆汁酸，但在正常实验室条件下无症状。胆固醇吸收发生在空肠。本实验将 Amacr 缺失小鼠与野生型小鼠的肠道等分为四段，刮取内皮层，分离 RNA，比较各段基因表达水平，每种基因型与肠段组合设 3 个生物学重复。受试者数 55（来源 OmicsDI）。
【数据内容】
源站原始描述：Bile acids play multiple roles in vertebrate metabolism by facilitating lipid absorption in the intestine and acting as a signaling molecule in lipid and carbohydrate metabolism. Bile acids are also the main route to excrete excess cholesterol out of the body. Alpha-methyl-Coa racemase (Amacr) is one of the enzymes needed to produce bile acids from cholesterol. The mouse model lacking Amacr can produce only minor (less than 10%) amounts of bile acids, but still they are symptomless in normal lab…
中文译文（机器翻译，仅供快速理解，请以原文为准）：胆汁酸在脊椎动物代谢中发挥多重作用，既促进肠道中的脂质吸收，又作为脂质和碳水化合物代谢中的信号分子。胆汁酸也是将过量胆固醇排出体外的主要途径。α-甲基辅酶A消旋酶（Amacr）是从胆固醇生成胆汁酸所需的酶之一。缺乏Amacr的小鼠模型只能产生少量（不足10%）胆汁酸，但在正常实验室条件下仍无症状。胆固醇吸收发生在肠道的空肠部分。在本实验中，将Amacr-/-和野生型小鼠的肠道分为四个等长段，并通过刮取收集内皮层。从这些样本中分离RNA，并比较各段中的基因表达水平。每种基因型/肠段组合3个生物学重复。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-1006
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.omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-1006
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
包含41例IBC和55例非IBC样本的基因表达谱，用于诊断、预后和预测标志物探索。
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。
