透明细胞肾细胞癌糖基化通路转录组分析数据集
该数据集来自 NCBI GEO,包含透明细胞肾细胞癌(ccRCC)肿瘤与癌旁正常肾组织的 RNA 测序表达谱,共 1 个文件

基本信息
资源简介
透明细胞肾细胞癌糖基化通路转录组分析数据集
Transcriptomic analysis uncovers dysregulated glycosylation pathways in clear cell renal cell carcinoma
该数据集来自 NCBI GEO,包含透明细胞肾细胞癌(ccRCC)肿瘤与癌旁正常肾组织的 RNA 测序表达谱,共 1 个文件。数据可用于比较肿瘤与正常组织的糖基化相关基因表达差异,分析糖苷酶、N-糖链、O-糖链及糖基转移酶通路变化,并结合 CIBERSORTx 免疫细胞分布与 Spearman 相关性分析,探索糖基化通路活性与免疫细胞丰度的关系,以及基于糖基因表达对 ccRCC 肿瘤进行分型(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):透明细胞肾细胞癌(ccRCC)是肾癌最常见的亚型,其特征是代谢改变、免疫重塑和异常糖基化。尽管糖基化调控肿瘤细胞信号传导、黏附、血管生成和免疫识别,但其与 ccRCC 免疫微环境的关系仍不完全清楚。在此,我们分析了 ccRCC 肿瘤和癌旁正常肾组织的 RNA 测序谱。聚糖相关基因和参与聚糖生物合成的 380 个糖基因将 ccRCC 肿瘤与正常组织区分开来,并揭示了改变的糖苷酶、N-聚糖、O-聚糖和糖基转移酶通路。CIBERSORTx 分析显示肿瘤中免疫细胞分布不同,Spearman 相关性分析将糖基化通路活性与免疫细胞丰度联系起来。糖基因表达进一步将 ccRCC 肿瘤分为两
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL24676、9606。本站分类:肿瘤/肾癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE325575
【使用注意】
· 源站最后修改于 Oct 14 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE325575
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
透明细胞肾细胞癌(ccRCC)是肾癌最常见的亚型,其特征为代谢改变、免疫重塑和异常糖基化。尽管糖基化调控肿瘤细胞的信号传导、黏附、血管生成和免疫识别,但其与ccRCC免疫微环境的关系仍未完全明确。本研究分析了ccRCC肿瘤及癌旁正常肾组织的RNA测序图谱。糖链相关基因及参与糖链生物合成的380个糖基因可将ccRCC肿瘤与正常组织区分开来,并揭示了糖苷酶、N-糖链、O-糖链及糖基转移酶通路的改变。CIBERSORTx分析显示肿瘤中免疫细胞分布存在差异,Spearman相关性分析将糖基化通路活性与免疫细胞丰度相关联。糖基因表达进一步将ccRCC肿瘤分为两个亚型,其免疫特征、Siglec表达模式及总生存期各不相同。我们的结果强调了利用新策略靶向癌症相关糖基化机制改变的重要性,以提高ccRCC癌症治疗的特异性和疗效。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。




