人类慢性淋巴细胞白血病样本转录谱分析以改善预后并预测治疗反应

该数据集来自 ebi.ac.uk,属于肿瘤/白血病领域,主题为人类慢性淋巴细胞白血病(CLL)样本的转录谱分析,采用转录谱分析 by array 技术,物种为 Homo sapiens

biostudies
浏览 16
基因组预测transcription profiling by arrayHomo sapiens
Transcription profiling of human chronic lymphocytic leukemia samples to improve prognosis and predict therapeutic response

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-10

资源简介

人类慢性淋巴细胞白血病样本转录谱分析以改善预后并预测治疗反应

Transcription profiling of human chronic lymphocytic leukemia samples to improve prognosis and predict therapeutic response

该数据集来自 ebi.ac.uk,属于肿瘤/白血病领域,主题为人类慢性淋巴细胞白血病(CLL)样本的转录谱分析,采用转录谱分析 by array 技术,物种为 Homo sapiens。数据旨在通过基因表达谱生成并优化预后与预测标志物,利用癌细胞系和患者白血病样本构建反映疾病进展及化疗或化学免疫治疗反应的基因组特征,并在四个独立队列共 301 例 CLL 患者中验证。可用于研究 CLL 的预后分层与治疗反应预测(来源 BioStudies)。

【数据内容】

源站描述(机器翻译,仅供参考):慢性淋巴细胞白血病(CLL)是一种异质性恶性肿瘤,以多变的临床病程为特征。尽管临床和实验室参数越来越多地被用于细化预后,但它们无法准确预测对常用治疗的反应。我们使用基因表达谱分析来生成并进一步细化预后和预测标志物。利用癌细胞系和患者白血病样本创建了反映疾病进展以及对化疗或化学免疫治疗反应的基因组特征。我们使用来自四个独立队列、共代表 301 例 CLL 患者的临床数据验证了这些特征。由患者白血病细胞基因表达数据结合临床参数创建的预后基因组特征,能够在训练数据集中从统计学上区分疾病稳定或进展的患者。该 pro

【主题与分类】

主题标签:transcription profiling by array、Homo sapiens。本站分类:肿瘤/白血病。

【获取与许可】

源站页面:https://ebi.ac.uk/biostudies/studies/E-GEOD-10137

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://ebi.ac.uk/biostudies/studies/E-GEOD-10137

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

E-GEOD-10137 人类慢性淋巴细胞白血病样本的转录谱分析,旨在改善预后并预测治疗反应,采用微阵列转录谱分析技术,遵循EFO标准,EFO_0002768,针对智人。慢性淋巴细胞白血病(CLL)是一种异质性恶性肿瘤,其特征表现为多变的

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。