CD99是非小细胞肺癌中一种新的预后基质标志物
源站描述显示,研究基于基因表达阵列数据和文献汇编了203个基质候选基因,利用Human Protein Atlas筛选人非小细胞肺癌中的蛋白表达,选出12个具有差异基质染色模式的蛋白,并在包含190个NSCLC样本的组织微阵列上分析其与临床参数的相关性,发现CD99基质高表达与良好预后相关

基本信息
资源简介
CD99是非小细胞肺癌中一种新的预后基质标志物
该数据集来自omicsdi.org,属于肿瘤/肺癌领域,主题标签为Transcriptomics。源站描述显示,研究基于基因表达阵列数据和文献汇编了203个基质候选基因,利用Human Protein Atlas筛选人非小细胞肺癌中的蛋白表达,选出12个具有差异基质染色模式的蛋白,并在包含190个NSCLC样本的组织微阵列上分析其与临床参数的相关性,发现CD99基质高表达与良好预后相关。数据可用于非小细胞肺癌基质蛋白标志物及预后相关研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):癌细胞与周围基质之间的精细相互作用在肿瘤发生的所有阶段都起着至关重要的作用。尽管这种相互作用具有重要意义,但肿瘤-基质相互作用背后的蛋白质组成改变在很大程度上仍不清楚。本研究旨在鉴定非小细胞肺癌中具有临床相关性的基质蛋白。基于基因表达阵列数据和现有文献,汇编了一份包含203个基质候选基因的列表。利用Human Protein Atlas筛选了这些基因在人NSCLC中的蛋白表达。选出了12个显示出差异基质染色模式的蛋白。相应的抗体被应用于包含190个NSCLC样本的组织微阵列上,并将基质染色与临床参数进行相关性分析。CD99的较高基质表达与良好
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-33363
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-33363
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
癌细胞与周围基质之间微妙的相互作用在肿瘤发生的所有阶段都起着至关重要的作用。尽管这种相互作用意义重大,但肿瘤-基质相互作用背后的蛋白质组成变化在很大程度上仍不为人知。本研究的目的是识别在非小细胞肺癌中具有临床相关性的基质蛋白。基于基因表达阵列数据和现有文献,编制了一份包含203个基质候选基因的列表。利用人类蛋白质图谱筛选了这些基因在人类NSCLC中的蛋白质表达。选择了12种显示出差异基质染色模式的蛋白质。将相应的抗体应用于包含190个NSCLC样本的组织微阵列上,并将基质染色与临床参数进行相关性分析。CD99的较高基质表达与单变量(p=0.037)和多变量(p=0.039)分析中的良好预后相关。这种关联独立于肿瘤基质的总比例、炎症细胞的比例,以及分期、体能状态和肿瘤组织学等临床和病理参数。
基质CD99蛋白表达的预后影响在一个包含240名NSCLC患者的独立队列中得到证实(p=0.008)。此外,双染共聚焦荧光显微镜显示,CD99在基质淋巴细胞以及癌相关成纤维细胞中均有表达。基于综合筛选策略,膜蛋白CD99被鉴定为一种具有临床相关性的新型基质因子。该结果支持了基质特性对肿瘤发生具有显著影响这一概念。将来自五个肿瘤的组织与来自同一组织样本的相应显微切割组织进行了比较。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




