整合多参数方法分层慢性粒单核细胞白血病急变期不同表型及其成熟状态与药物敏感性谱
该数据集来自 data.mendeley.com，聚焦慢性粒单核细胞白血病急变期（BP-CMML）。源站描述显示，研究者对 42 例 BP-CMML 的母细胞转录组进行 profiling，发现转录异质性显著且与现有 AML 分类匹配不佳，并呈现静息富集及药物反应特征变异
基本信息
资源简介
整合多参数方法分层慢性粒单核细胞白血病急变期不同表型及其成熟状态与药物敏感性谱
Dataset - An integrative multiparametric approach stratifies distinct phenotypes of blast phase chronic myelomonocytic leukemia with differential maturation status and drug sensitivity profiles
该数据集来自 data.mendeley.com，聚焦慢性粒单核细胞白血病急变期（BP-CMML）。源站描述显示，研究者对 42 例 BP-CMML 的母细胞转录组进行 profiling，发现转录异质性显著且与现有 AML 分类匹配不佳，并呈现静息富集及药物反应特征变异。整合临床、免疫表型和转录组参数后，RandomForest 无监督聚类区分出未成熟与成熟亚型，亚型间在转录模块、癌基因、凋亡调节因子及表面标志表达上存在差异，且对 AML 药物的预测反应不同并在原代样本中体外验证。数据可用于 BP-CMML 表型分层与药物敏感性研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2025-01-15。
【数据内容】
源站描述（机器翻译，仅供参考）：约 30% 的慢性粒单核细胞白血病患者会转化为化疗难治性急变期（BP-CMML）。为寻求新的治疗方法，我们对 42 例 BP-CMML 的母细胞转录组进行了分析，观察到广泛的转录异质性，且与当前 AML 分类匹配不佳。BP-CMML 显示出独特的转录组谱，包括静息富集和药物反应特征的变异性。整合临床、免疫表型和转录组参数，RandomForest 无监督聚类区分出未成熟和成熟亚型，其特征是转录模块、癌基因、凋亡调节因子和表面标志物表达模式的差异表达。亚型对 AML 药物的预测反应不同，并在原代样本中进行了体外验证。迭代细化的分层解析出一个分类
【数据结构与技术规格】
文件数 1 个，合计 1.24 GB。数据集 DOI：10.17632/vcsyd7ns8f.2。
【主题与分类】
主题标签：肿瘤、白血病、BP-CMML、转录组、药物敏感性、RandomForest聚类。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/vcsyd7ns8f
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://data.mendeley.com/datasets/vcsyd7ns8f
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 1.24 GB。
数据说明
Kristian Gurashi (2025). Dataset - An integrative multiparametric approach stratifies distinct phenotypes of blast phase chronic myelomonocytic leukemia with differential maturation status and drug sensitivity profiles [Dataset]. http://doi.org/10.17632/vcsyd7ns8f.2
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。
