慢性淋巴细胞白血病患者ibrutinib纵向应答的多组学病例驱动分析数据集
该数据集来自 search.dataone.org,聚焦慢性淋巴细胞白血病(CLL)患者接受 ibrutinib 单药治疗期间的纵向分子与临床动态

基本信息
资源简介
慢性淋巴细胞白血病患者ibrutinib纵向应答的多组学病例驱动分析数据集
A case-driven multi-omics analysis for longitudinal ibrutinib response evaluation of patients with chronic lymphocytic leukemia
该数据集来自 search.dataone.org,聚焦慢性淋巴细胞白血病(CLL)患者接受 ibrutinib 单药治疗期间的纵向分子与临床动态。研究对两名治疗 16 个月后外周血仍存 CLL 细胞的患者进行 DNA 与 RNA 水平的多组学分析,包括单细胞转录组学,并记录诊断时与 16 个月后优势克隆的克隆负荷变化。数据可用于探索克隆惰性的分子机制,并为纵向评估 ibrutinib 应答建立多组学分析框架(来源 DataONE,http://creativecommons.org/publicdomain/zero/1.0 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):接受 ibrutinib 治疗的慢性淋巴细胞白血病(CLL)患者常出现不完全应答,但克隆惰性背后的分子层面仍有待探索。我们通过分析两名在治疗期间外周血中仍持续存在 CLL 细胞的患者血液样本,研究了 16 个月 ibrutinib 单药治疗期间 CLL 的分子与临床动态。诊断时,B 细胞区室内的优势克隆克隆负荷分别为 54.8%(患者 1)和 86.4%(患者 2)。16 个月后,这些克隆仍分别占 66.1% 和 88.6%。利用 DNA 和 RNA 水平的多组学方法,包括单细胞转录组学,我们旨在建立一个用于纵向 ibrutinib 应答评估的多组学分析综合框架。所提出的方法学方法揭示了分子
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A6fa46791d1a23c8ab1dbba695652b23c32c605a82ccb01cd5334e0cfd223f38f
使用许可:http://creativecommons.org/publicdomain/zero/1.0。
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
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
接受伊布替尼治疗的慢性淋巴细胞白血病(CLL)患者常出现不完全缓解,但克隆惰性背后的分子机制仍有待探索。我们通过分析两名在治疗期间外周血中仍携带CLL细胞的患者的血液样本,研究了伊布替尼单药治疗16个月期间CLL的分子与临床动态变化。初诊时,B细胞区室内的克隆负荷分别为54.8%(患者1)和86.4%(患者2)(优势克隆)。16个月后,这些克隆仍分别占66.1%和88.6%。利用DNA和RNA水平的多组学方法(包括单细胞转录组学),我们旨在建立一个用于纵向评估伊布替尼反应的多组学分析综合框架。所提出的方法学策略揭示了伊布替尼治疗期间分子遗传学和转录层面的疾病稳定,尽管从初诊至治疗16个月期间,与凋亡、细胞应激反应及经典NFKB信号通路相关的基因通路在治疗中呈增强态势。
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。




