人急性髓系白血病样本转录谱:预测tipifarnib应答的双基因分类器
该数据集来自omicsdi.org,收录人急性髓系白血病(AML)骨髓样本的基因表达谱,用于研究法尼基转移酶抑制剂tipifarnib的应答预测

基本信息
资源简介
人急性髓系白血病样本转录谱:预测tipifarnib应答的双基因分类器
该数据集来自omicsdi.org,收录人急性髓系白血病(AML)骨髓样本的基因表达谱,用于研究法尼基转移酶抑制剂tipifarnib的应答预测。源站描述显示,RASGRP1:APTX基因表达比值能较准确预测tipifarnib应答,并在新诊断AML队列中经QPCR验证;该分类器还在54例复发或难治性AML独立样本中预测应答,阴性预测值92%、阳性预测值28%(比值比4.4),并预测总生存改善(154天对56天,p=0.0001)。数据可用于转录组分析与应答分类器研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):目前尚无方法可预测对法尼基转移酶抑制剂(FTI)的应答。我们分析了来自一项FTI tipifarnib 2期研究的老年初治急性髓系白血病(AML)患者骨髓的基因表达谱。发现RASGRP1:APTX基因表达比值预测tipifarnib应答的准确性最高。该双基因比值在新诊断AML队列中通过定量PCR(QPCR)得到验证。我们进一步证明,该分类器可在来自复发或难治性AML的54份样本的独立集中预测对tipifarnib的应答,阴性预测值(NPV)和阳性预测值(PPV)分别为92%和28%(比值比4.4)。该分类器还预测总生存改善(154天对56天,p = 0.0001),并显示其独立于其他
【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/biostudies-arrayexpress/E-GEOD-8970
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/biostudies-arrayexpress/E-GEOD-8970
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
目前尚无方法可预测法尼基转移酶抑制剂(FTI)的治疗反应。我们分析了来自一项FTI替吡法尼(tipifarnib)2期研究的初治老年急性髓系白血病(AML)患者骨髓基因表达谱。研究发现,RASGRP1:APTX基因表达比值预测替吡法尼治疗反应的准确性最高。该双基因比值在新诊断AML队列中通过定量PCR(QPCR)得到了验证。我们进一步证明,该分类器可在54份来自复发或难治性AML患者的独立样本中预测替吡法尼治疗反应,阴性预测值(NPV)和阳性预测值(PPV)分别为92%和28%(比值比为4.4)。该分类器还预测总生存期改善(154天 vs 56天,p = 0.0001),并显示其独立于其他预后因素,包括先前描述的预测总生存期的基因表达分类器。因此,这些数据表明,双基因表达检测可能有助于对更可能对替吡法尼产生反应的AML患者群体进行分类。
实验总体设计:来自34名患者的34份样本
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。




