D3EGFR：深度学习引导的EGFR突变驱动肺癌药物敏感性预测与药物响应信息检索网络服务器

资源简介

D3EGFR：深度学习引导的EGFR突变驱动肺癌药物敏感性预测与药物响应信息检索网络服务器

【一句话概览】

本数据集是 Zenodo 公开的结构化表格数据集，收录 3 个文件、合计 167.08 KB，可用于统计建模、特征工程与队列分析，cc-by-4.0 许可开放获取。

【数据集背景】

本数据集源站标题为《D3EGFR: a webserver for deep learning-guided drug sensitivity prediction and drug response information retrieval of EGFR mutation-driven lung cancer》。源站首次发布：2024-02-03。

【数据内容】

源站原始描述：As key oncogenic drivers in non-small cell lung cancer (NSCLC), various mutations of epidermal growth factor receptor (EGFR) with variable drug sensitivities have been the major obstacle for precision medicine. For the purpose, we built a database, namely D3EGFRdb, with the clinicopathologic characteristics and drug responses of 1,339 patients harboring EGFR mutations via literature mining. Besides, we developed a deep learning-based prediction model, namely D3EGFRAI, for drug sensitivity predic…

中文译文（机器翻译，仅供快速理解，请以原文为准）：作为非小细胞肺癌（NSCLC）的关键致癌驱动因素，表皮生长因子受体（EGFR）的各种突变具有不同的药物敏感性，已成为精准医学的主要障碍。为此，我们通过文献挖掘构建了一个名为 D3EGFRdb 的数据库，包含 1,339 例携带 EGFR 突变患者的临床病理特征和药物反应。此外，我们开发了一个基于深度学习的预测模型，名为 D

主表 README.txt 含 2 列、样本前 19 行结构完整。

主表 D3EGFR-database.csv 含 18 列、样本前 1340 行结构完整。

主表 external dataset.csv 含 10 列、样本前 104 行结构完整。

【数据结构与技术规格】

文件数 3 个，合计 167.08 KB。数据集 DOI：10.5281/zenodo.10613332。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面：https://zenodo.org/records/10613332

使用许可：cc-by-4.0。