外周T细胞淋巴瘤基因表达特征分型研究数据集
该数据集来自 omicsdi.org，收录外周T细胞淋巴瘤（PTCL）的基因表达谱数据，覆盖 372 例 PTCL 病例，包括 AITL、ALK 阳性与 ALK 阴性间变性大细胞淋巴瘤、成人 T 细胞白血病/淋巴瘤及结外 NK/T 细胞淋巴瘤等亚型
基本信息
资源简介
外周T细胞淋巴瘤基因表达特征分型研究数据集
该数据集来自 omicsdi.org，收录外周T细胞淋巴瘤（PTCL）的基因表达谱数据，覆盖 372 例 PTCL 病例，包括 AITL、ALK 阳性与 ALK 阴性间变性大细胞淋巴瘤、成人 T 细胞白血病/淋巴瘤及结外 NK/T 细胞淋巴瘤等亚型。数据可用于识别反映肿瘤细胞及其微环境病理生物学的稳健分子分类器与致癌通路，并支持将部分形态学诊断为 PTCL-NOS 的病例重新归类到特定亚型，适用于肿瘤分子分型与预后相关研究（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：外周T细胞淋巴瘤（PTCL）包含一组临床结局普遍较差的异质性肿瘤。目前 50% 的 PTCL 病例无法分类，即 PTCL-非特指型（NOS）。对 372 例 PTCL 病例的基因表达谱进行了分析，并为主要 PTCL 实体识别出稳健的分子分类器和反映肿瘤细胞及其微环境病理生物学的致癌通路，包括 114 例血管免疫母细胞性T细胞淋巴瘤（AITL）、31 例间变性淋巴瘤激酶（ALK）阳性和 48 例 ALK 阴性间变性大细胞淋巴瘤、14 例成人T细胞白血病/淋巴瘤以及 44 例结外NK/T细胞淋巴瘤，后者进一步分为NK细胞淋巴瘤和gdT细胞淋巴瘤。37% 形态学诊断为 PTCL-NOS 的病例通过分子特征被重新分类为其他特定亚型。复检、免疫组织化学和 I
【主题与分类】
主题标签：Transcriptomics。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://omicsdi.org/dataset/geo/GSE58445
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://omicsdi.org/dataset/geo/GSE58445
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
外周T细胞淋巴瘤（PTCL）包括一组异质性肿瘤，临床结局普遍较差。目前50%的PTCL病例无法分类，即非特指型PTCL（PTCL-NOS）。对372例PTCL病例的基因表达谱进行分析，针对主要PTCL类型鉴定出稳健的分子分类器及反映肿瘤细胞及其微环境病理生物学的致癌通路，包括114例血管免疫母细胞性T细胞淋巴瘤（AITL）、31例间变性淋巴瘤激酶（ALK）阳性及48例ALK阴性间变性大细胞淋巴瘤、14例成人T细胞白血病/淋巴瘤以及44例结外NK/T细胞淋巴瘤（后者进一步分为NK细胞淋巴瘤和γδT细胞淋巴瘤）。37%经形态学诊断为PTCL-NOS的病例通过分子特征被重新分类为其他特定亚型。对重新分类病例的复核、免疫组化及IDH2突变分析支持重新分类的有效性。在剩余PTCL-NOS病例中可识别出两个主要分子亚群，分别以GATA3（33%；40/121）或TBX21（49%；59/121）高表达为特征。
GATA3亚组与较差的总生存期显著相关（P=.01）。TBX21亚组内细胞毒性基因签名的高表达也显示出较差的临床结局（P=.05）。在AITL中，与肿瘤微环境相关的几个签名的高表达与结局显著相关。一个联合预后评分在独立队列中可预测生存期（P=.004）。
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。
