儿童肿瘤学组9906研究：高危儿童ALL数据集
该数据集来自儿童肿瘤学组（COG）9906研究，聚焦高危儿童前体B急性淋巴细胞白血病（B-ALL）。数据基于微阵列表达谱，包含1个文件GSE11877_series_matrix.txt.gz，可用于识别高危儿童B-ALL的新亚组，并探索其临床相关性与治疗意义（来源 NCBI）
基本信息
资源简介
儿童肿瘤学组9906研究：高危儿童ALL数据集
GSE11877 数据集来源于 NCBI，标题为“Children's Oncology Group Study 9906 for High-Risk Pediatric ALL”，中文可理解为儿童肿瘤学组 9906 研究中的高危儿童急性淋巴细胞白血病相关数据。该数据集在站内归类于肿瘤 / 白血病方向，核心内容是基于微阵列的表达谱数据，研究对象为高危儿童前体 B 急性淋巴细胞白血病（B-ALL）。数据集包含 1 个文件，样例文件名为 GSE11877_series_matrix.txt.gz，作者为 Cheryl L. Willman，发布时间为 Jun 24 200。整体来看，该数据集可用于围绕高危儿童 B-ALL 的分子表达特征开展分析，并支持识别新的亚组、探索临床相关性与治疗意义。
【数据集背景】
该数据集对应儿童肿瘤学组（COG）9906 研究，聚焦高危儿童前体 B 急性淋巴细胞白血病（B-ALL）。源站描述中提及一篇论文，题为“Identification of novel subgroups of high-risk pediatric precursor B acute lymphoblastic leukemia (B-ALL) by unsupervised microarray analysis: clinical correlates and therapeutic implications. A Children's Oncology Group (COG) study.”。从这一描述可以看出，该数据集的背景与通过无监督微阵列分析识别高危儿童 B-ALL 新亚组有关，并关注这些亚组可能具有的临床相关性和治疗意义。该数据集的主题标签包括 Expression profiling by array、GPL570、9606，表明其属于表达谱芯片数据，涉及平台 GPL570，物种信息为 9606。本站分类为肿瘤 / 白血病，说明其在应用领域上属于肿瘤学中的白血病研究方向。
【数据内容】
该数据集的文件数量为 1，文件样例为 GSE11877_series_matrix.txt.gz。从文件形式看，数据以 GZIP 压缩包形式提供，文件名称中的 series_matrix 通常对应表达谱系列矩阵文件，可用于承载样本层面的表达信息。该数据集的主题标签包含 Expression profiling by array，说明其数据内容属于微阵列表达谱。源站描述强调其用于识别高危儿童前体 B 急性淋巴细胞白血病的新亚组，因此数据内容的核心应围绕高危儿童 B-ALL 的表达谱特征展开。除上述信息外，关于具体样本数量、基因数量、分组信息、临床变量、表达矩阵的具体字段和编码方式，源站未提供。
【采集与来源】
该数据集来源站为 ncbi.nlm.nih.gov，作者为 Cheryl L. Willman，发布时间为 Jun 24 200。源站标题为“Children's Oncology Group Study 9906 for High-Risk Pediatric ALL”，说明其与儿童肿瘤学组 9906 研究相关。源站描述中提及该研究为 Children's Oncology Group (COG) study，并指向一篇关于高危儿童前体 B-ALL 无监督微阵列分析识别新亚组的论文。主题标签中的 GPL570 和 9606 分别提供了平台与物种层面的来源线索。关于样本采集地点、采集时间、伦理审批、患者纳入排除标准、实验处理流程等详细信息，源站未提供。
【适用场景】
该数据集适用于围绕高危儿童前体 B 急性淋巴细胞白血病（B-ALL）的表达谱分析。根据源站描述，其可用于识别高危儿童 B-ALL 的新亚组，并进一步探索这些亚组与临床特征之间的相关性以及潜在治疗意义。由于主题标签包含 Expression profiling by array 和 GPL570，该数据集也可用于微阵列表达谱相关的数据探索、分组分析和后续研究。本站分类为肿瘤 / 白血病，因此其适用领域可归入肿瘤学与白血病研究。关于是否适合用于诊断、预后预测、药物响应评估或临床决策等具体用途，源站未提供明确说明。
【使用方法】
使用该数据集时，可先下载数据文件 GSE11877_series_matrix.txt.gz。该文件为 GZIP 压缩包，读取前需要按相应压缩格式进行解压或直接以支持 GZIP 的方式读取。建议先在小样本上核对字段与编码，确认无误后再批量接入，以避免因字段理解偏差或编码问题导致后续分析错误。由于该数据集文件数量为 1，使用流程相对集中，主要围绕该系列矩阵文件展开。关于具体读取命令、软件环境、注释包、标准化步骤和统计方法，源站未提供。
【质量与限制】
该数据集的文件数量为 1，文件样例为 GSE11877_series_matrix.txt.gz，数据以 GZIP 压缩包形式提供。其主题标签包括 Expression profiling by array、GPL570、9606，说明其属于微阵列表达谱数据。源站描述提及该研究用于识别高危儿童前体 B-ALL 的新亚组，并关注临床相关性与治疗意义。但关于数据质量评估、缺失值情况、批次效应、样本量、临床注释完整度、平台探针注释版本以及是否存在技术偏差等信息，源站未提供。因此，在使用该数据集时，应仅依据可获取的数据文件内容进行核对，并在分析前自行确认字段与编码。
【引用与许可】
该数据集作者为 Cheryl L. Willman，来源站为 ncbi.nlm.nih.gov，发布时间为 Jun 24 200。源站描述中提及相关论文标题为“Identification of novel subgroups of high-risk pediatric precursor B acute lymphoblastic leukemia (B-ALL) by unsupervised microarray analysis: clinical correlates and therapeutic implications. A Children's Oncology Group (COG) study.”。关于该数据集的具体引用格式、许可协议、使用限制、再分发条件以及商业使用规定，源站未提供。
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。
使用方式
数据集获取
源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE11877
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
论文1：“通过无监督微阵列分析鉴定高危儿童前体B急性淋巴细胞白血病（B-ALL）的新亚组：临床相关性与治疗意义。一项儿童肿瘤学组（COG）研究。”摘要 我们检测了来自COG P9906研究中207例患者治疗前标本的基因表达谱，以识别高危儿童B前体急性淋巴细胞白血病（ALL）的特征，并确定由此产生的聚类是否与特定临床特征或治疗反应特征相关。采用四种无监督聚类方法将患者分为相似组。不同聚类算法在聚类成员上显示出显著重叠。两个聚类包含所有具有t(1;19)(q23;p13)易位或MLL重排的病例。其他六个聚类是新颖的，没有复发性染色体异常或独特的临床特征。与总体4年无复发生存率（RFS）61%相比，其中两个新聚类成员具有显著的生存差异。
这些包括4年无复发生存率显著较好（94.7%）或较差（21.0%）的患者聚类。西班牙裔/拉丁裔儿童在不良结局聚类中所占比例过高。不良结局聚类代表了一种新的生物学上独特的B前体急性淋巴细胞白血病亚群，其发生率可能至少与BCR/ABL相当。对该聚类的进一步分子特征分析可能有助于发现可用于靶向治疗的基因组异常，从而改善目前该基因特征儿童患者极差的预后。样本数据还用于另一项研究：论文2：“用于微小残留病和无复发生存率的基因表达分类器改善高危急性淋巴细胞白血病儿童患者的预后预测和风险分类。一项儿童肿瘤学组研究”。摘要 背景
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。
