埃塞俄比亚慢性髓性白血病队列中ASXL1突变与高残留疾病负担及免疫失调关联数据集
摘要 / 数据集概览 本存储库包含支持题为“简要报告:ASXL1突变与埃塞俄比亚慢性髓性白血病队列中的免疫失调和高危临床特征相关”的手稿的主要数据集

基本信息
资源简介
埃塞俄比亚慢性髓性白血病队列中ASXL1突变与高残留疾病负担及免疫失调关联数据集
摘要 / 数据集概览 本存储库包含支持题为“简要报告:ASXL1突变与埃塞俄比亚慢性髓性白血病队列中的免疫失调和高危临床特征相关”的手稿的主要数据集
ASXL1 Mutations Associate with High Residual Disease Burden and Immune Dysregulation in an Ethiopian Chronic Myeloid Leukemia Cohort
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 / 数据集概览 本存储库包含支持题为“简要报告:ASXL1突变与埃塞俄比亚慢性髓性白血病队列中的免疫失调和高危临床特征相关”的手稿的主要数据集。慢性髓性白血病(CML)在不同全球人群中表现出不同的分子谱。该数据集提供了来自埃塞俄比亚CML队列(n=24)的匿名环介导等温扩增(LAMP)检测结果。该研究专门调查与ASXL1突变(靶向区域C970–C1005)相关的频率、临床相关性和失调模式,旨在阐明CML患者的高危临床特征。文件描述 Variant_Frequency__C970-C1005_20220613 Samuel Kinde Birru LAMP.xlsx(17.9 kB):包含匿名患者队列数据、样本变异频率的电子表格
【主题与分类】
主题标签:慢性髓性白血病、ASXL1突变、免疫失调、LAMP检测、埃塞俄比亚队列、肿瘤。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23473003
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23473003
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:
数据集大小约 17.3 KB。
数据说明
摘要 / 数据集概述 本存储库包含支撑题为“简报:ASXL1突变与埃塞俄比亚慢性髓性白血病队列中的免疫失调及高危临床特征相关”的手稿的主要数据集。慢性髓性白血病(CML)在不同全球人群中表现出不同的分子特征。本数据集提供了来自埃塞俄比亚CML队列(n=24)的匿名环介导等温扩增(LAMP)检测结果。该研究专门探讨了与ASXL1突变(靶向区域C970–C1005)相关的频率、临床相关性及失调模式,旨在阐明CML患者中的高危临床特征。 文件说明 Variant_Frequency__C970-C1005_20220613 Samuel Kinde Birru LAMP.xlsx(17.9 kB):包含匿名患者队列数据、样本变异频率以及来自LAMP检测的相应原始定量值的电子表格。 方法学摘要 队列:来自经临床验证的埃塞俄比亚慢性髓性白血病队列的匿名数据。
伦理声明与数据可用性 根据临床研究伦理标准,所有可识别患者身份的信息均已严格匿名化处理。依据Discovery Oncology数据共享政策,本数据已公开提供,以供同行评审和可重复性验证之用。通信 如对研究方法有疑问或需申请进一步合作资源,请联系通讯作者:通讯作者:Samuel Kinde Birru 电子邮箱:[samuel.kinde@aau.edu.et 或 ssamuelkindeb@gmail.com]
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。




