慢性髓性白血病患者的无治疗缓解与复发

该数据集来自omicsdi.org,对70份外周血样本进行转录组表达谱分析,包括31例停用酪氨酸激酶抑制剂(TKI)后复发的CML患者、29例维持无治疗缓解的CML患者以及10例健康供者

omicsdi
浏览 10
基因组分类Transcriptomics
Treatment-free remission and relapse in chronic myeloid leukaemia (CML) patients

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-17

资源简介

慢性髓性白血病患者的无治疗缓解与复发

该数据集来自omicsdi.org,对70份外周血样本进行转录组表达谱分析,包括31例停用酪氨酸激酶抑制剂(TKI)后复发的CML患者、29例维持无治疗缓解的CML患者以及10例健康供者。CML患者样本采集于EURO-SKI试验中TKI治疗的最后一天,分离白细胞提取RNA,使用Clariom D微阵列进行全基因组表达谱检测。该数据可用于识别与持续控制或复发相关的转录程序,定义外周血分子特征,并筛选预测CML无治疗缓解的生物标志物(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):对来自70名个体的外周血(31名随后在停用酪氨酸激酶抑制剂(TKI)治疗后复发的CML患者、29名维持无治疗缓解的CML患者和10名健康供者)进行了分析,以研究与持续控制相比复发相关的转录程序。CML患者的样本在EURO-SKI试验中TKI治疗的最后一天采集,并分离白细胞用于RNA提取。使用Clariom D微阵列(Applied Biosystems)进行全基因组表达谱分析。所得数据集旨在定义预测CML无治疗缓解的外周血分子特征和生物标志物。

【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-MTAB-16324

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

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-MTAB-16324

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

对来自70名个体的外周血进行了分析,包括31名随后在停用酪氨酸激酶抑制剂(TKI)治疗后复发的CML患者、29名维持无治疗缓解的CML患者以及10名健康供体,旨在探究与持续控制 versus 复发相关的转录程序。CML患者的样本是在EURO-SKI试验中TKI治疗的最后一天采集的,并分离白细胞以提取RNA。使用Clariom D微阵列(Applied Biosystems)进行了全基因组表达谱分析。所得数据集旨在定义外周血分子特征和生物标志物,以预测CML的无治疗缓解。

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。

获取专属数据定制方案