原发性浆细胞白血病miRNA表达模式及其在多发性骨髓瘤肿瘤进展中的意义
该数据集来自NCBI,收录原发性浆细胞白血病(pPCL)患者高度纯化恶性浆细胞的全局miRNA表达谱,样本为18例未经治疗、纳入前瞻性临床试验的患者,并与代表性多发性骨髓瘤(MM)队列比较

基本信息
资源简介
原发性浆细胞白血病miRNA表达模式及其在多发性骨髓瘤肿瘤进展中的意义
Patterns of miRNA expression in primary plasma cell leukemias: implications for tumor progression in multiple myeloma
该数据集来自NCBI,收录原发性浆细胞白血病(pPCL)患者高度纯化恶性浆细胞的全局miRNA表达谱,样本为18例未经治疗、纳入前瞻性临床试验的患者,并与代表性多发性骨髓瘤(MM)队列比较。数据包含1个文件GSE37053_series_matrix.txt.gz,采用非编码RNA表达谱芯片平台GPL8227(人9606)。可用于研究pPCL中差异表达的miRNA、结合分子异常与miRNA靶基因计算预测,探索miRNA在MM肿瘤进展中的潜在作用(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 04 201。
【数据内容】
源站描述(机器翻译,仅供参考):原发性浆细胞白血病(pPCL)是一种罕见且侵袭性极强的浆细胞异常增殖性疾病。迄今为止,尚无关于pPCL中microRNA表达的信息报道。为研究miRNA在pPCL中的作用,我们分析了来自一项前瞻性临床试验中18例既往未治疗患者的高度纯化恶性浆细胞的全局miRNA表达谱。我们在该疾病的分子异常背景下评估了miRNA表达模式,并与代表性的多发性骨髓瘤(MM)患者队列进行比较。我们在pPCL中鉴定出一系列失调的miRNA(42个上调、41个下调),它们可能在促进MM肿瘤进展中具有假定作用。此外,我们将miRNA与基因表达数据同miRNA靶标的计算预测相整合,发现MM与
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:Non-coding RNA profiling by array、GPL8227、9606。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE37053
【使用注意】
· 源站最后修改于 Oct 09 201,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE37053
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
原发性浆细胞白血病(pPCL)是一种罕见且极具侵袭性的浆细胞恶病质。迄今为止,尚无关于pPCL中微小RNA表达的信息报道。为了探究miRNA在pPCL中的作用,我们分析了来自18例先前未经治疗、纳入前瞻性临床试验的患者的高度纯化恶性浆细胞的全局miRNA表达谱。我们在该疾病的分子异常背景下评估了miRNA表达模式,并与具有代表性的多发性骨髓瘤(MM)患者队列进行了比较。我们在pPCL中鉴定出一系列失调的miRNA(42个上调,41个下调),这些miRNA可能在促进MM肿瘤进展中发挥作用。此外,我们将miRNA和基因表达数据与miRNA靶点的计算预测相结合,发现MM与pPCL之间差异表达的miRNA能够调控在癌症中具有重要功能的基因。
总体而言,我们的研究首次尝试探讨miRNAs在pPCL中的作用,并可能有助于开发功能性方法,以研究侵袭性浆细胞疾病中失调miRNAs的活性及其作为新型治疗靶点的潜在作用。
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。




