婴儿T细胞急性淋巴细胞白血病中的独特基因型

该数据集来源于ebi.ac.uk,聚焦婴儿T细胞急性淋巴细胞白血病(iT-ALL)这一罕见且预后不良的疾病类型。研究汇集了十三例婴儿T-ALL病例,通过SNP-array对诊断与缓解期配对样本进行分析,以识别基因组缺失与获得,并探究其产前起源

biostudies
浏览 11
基因组分类Homo sapiens
Distinctive genotypes in infants with T-cell acute lymphoblastic leukaemia

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-09

资源简介

婴儿T细胞急性淋巴细胞白血病中的独特基因型

Distinctive genotypes in infants with T-cell acute lymphoblastic leukaemia

该数据集来源于ebi.ac.uk,聚焦婴儿T细胞急性淋巴细胞白血病(iT-ALL)这一罕见且预后不良的疾病类型。研究汇集了十三例婴儿T-ALL病例,通过SNP-array对诊断与缓解期配对样本进行分析,以识别基因组缺失与获得,并探究其产前起源。数据涵盖复发性3号染色体缺失、MLF1完全缺失、11p13缺失(LMO2相关)、RB1缺失、11q14.1-11q23.2大片段缺失(含ATM)、CDKN2A/B缺失以及NOTCH1和FBXW7突变等基因型异常,可用于白血病分子分型与基因组变异研究(来源 BioStudies)。

【数据内容】

源站描述(机器翻译,仅供参考):婴儿T细胞急性淋巴细胞白血病(iT-ALL)是一种非常罕见且定义不清的疾病,预后不良。我们汇集了一组独特的十三例婴儿T-ALL病例,从而得以识别基因型异常并研究其产前起源。通过SNP-array对配对样本(诊断/缓解)进行分析,以识别基因组缺失和获得。在三例病例中,我们发现了复发性体细胞3号染色体缺失。这些缺失经FISH确认,导致MLF1完全缺失,此前未在T-ALL中描述过。我们观察到两例11p13缺失(LMO2相关),其中一例还伴有RB1缺失。另一例呈现包含ATM的大片段11q14.1-11q23.2缺失,且仅五名患者(38%)显示CDKN2A/B缺失。四例显示NOTCH1突变,一例中FBXW7是唯一突变,三例显示

【主题与分类】

主题标签:Homo sapiens。本站分类:肿瘤/白血病。

【获取与许可】

源站页面:https://ebi.ac.uk/biostudies/studies/E-GEOD-67271

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://ebi.ac.uk/biostudies/studies/E-GEOD-67271

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

E-GEOD-67271 婴儿T细胞急性淋巴细胞白血病的独特基因型 比较基因组杂交芯片 EFO EFO_0000749 智人 婴儿T细胞急性淋巴细胞白血病(iT-ALL)是一种非常罕见且定义不清的疾病,预后不良。我们汇集了一个独特的

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。