EP31670(NEO2734)双靶点BET与CBP/p300抑制剂治疗靶向晚期实体瘤及血液恶性肿瘤的I期研究

该数据集来自clinicaltrials.gov,聚焦EP31670(又称NEO2734)这一首创双靶点BET与CBP/p300抑制剂在靶向晚期实体瘤及血液恶性肿瘤患者中的I期开放标签、多中心、剂量递增研究

Epigenetix, Inc.Epigenetix, Inc.
clinicaltrials
浏览 14
其他Castrate Resistant Prostate CancerNUT CarcinomaChronic Myelomonocytic LeukemiaMyelofibrosis
Dual BET and CBP/p300 Inhibitor in Patients With Targeted Advanced Solid Tumors and Hematological Malignancies

基本信息

模态
其他
创建/更新时间
2026-10-12

资源简介

EP31670(NEO2734)双靶点BET与CBP/p300抑制剂治疗靶向晚期实体瘤及血液恶性肿瘤的I期研究

该数据集来自clinicaltrials.gov,聚焦EP31670(又称NEO2734)这一首创双靶点BET与CBP/p300抑制剂在靶向晚期实体瘤及血液恶性肿瘤患者中的I期开放标签、多中心、剂量递增研究。覆盖病种包括去势抵抗性前列腺癌、NUT癌、慢性粒单核细胞白血病、骨髓纤维化及其他靶向晚期实体瘤和血液恶性肿瘤。数据可用于评估该药物口服给药的安全性并确定最大耐受剂量,为后续临床开发提供依据(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:去势抵抗性前列腺癌、NUT癌、慢性粒单核细胞白血病、骨髓纤维化。EP31670(又称NEO2734)是一种首创的双靶点BET与CBP/p300抑制剂,已在人类癌症的体外和体内模型中显示出抗肿瘤活性。这项I期开放标签、多中心、剂量递增研究将评估EP31670口服给药在去势抵抗性前列腺癌、NUT中线癌及其他靶向晚期实体瘤以及慢性粒单核细胞白血病(CMML)、骨髓纤维化(MF)和其他靶向血液恶性肿瘤患者中的安全性,并确定其最大耐受剂量。

【主题与分类】

主题标签:Castrate Resistant Prostate Cancer、NUT Carcinoma、Chronic Myelomonocytic Leukemia、Myelofibrosis。本站分类:肿瘤/白血病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT05488548

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://clinicaltrials.gov/study/NCT05488548

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

适应症:去势抵抗性前列腺癌、NUT癌、慢性粒单核细胞白血病、骨髓纤维化。EP31670(又称NEO2734)是首创的双重BET和CBP/p300抑制剂,在人类癌症的体外和体内模型中已显示出抗肿瘤活性。这项I期开放标签、多中心、剂量递增研究将评估EP31670口服给药在去势抵抗性前列腺癌、NUT中线癌及其他靶向晚期实体瘤以及慢性粒单核细胞白血病(CMML)、骨髓纤维化(MF)和其他靶向血液系统恶性肿瘤患者中的安全性,并确定其最大耐受剂量。

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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。