小鼠异种移植模型抗癌药物反应数据集

该数据集汇集了在小鼠异种移植模型中评估抗癌药物的定量临床前反应数据,包含从143篇同行评审文献中整理的1602条实验记录,覆盖乳腺癌、结肠癌、结直肠癌和肺癌四大癌种

Mendeley DataMendeley Data
datacite
浏览 12
基因组回归Anticancer DrugMouse ModelXenograft
Dataset of Anticancer Drug Responses in Mouse Xenograft Models

基本信息

模态
基因组
大小
0.007700796 GB
任务类型
回归
创建/更新时间
2026-10-09

资源简介

小鼠异种移植模型抗癌药物反应数据集

Dataset of Anticancer Drug Responses in Mouse Xenograft Models

该数据集汇集了在小鼠异种移植模型中评估抗癌药物的定量临床前反应数据,包含从143篇同行评审文献中整理的1602条实验记录,覆盖乳腺癌、结肠癌、结直肠癌和肺癌四大癌种。每条记录提供药物类型、剂量、给药途径和给药方案等治疗特征,以及小鼠品系、肿瘤模型、异种移植类型(PDX/CDX)、基因改变和植入部位等模型变量,并包含肿瘤体积、肿瘤重量相对对照组、最大体重损失、初始肿瘤体积及相应终点日期等疗效与毒性终点,可用于抗癌药物反应预测与临床前药效分析(来源 DOI 解析)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集汇集了在小鼠异种移植模型中评估抗癌药物的定量临床前反应数据。它包含从143篇同行评审来源文献中整理的1,602条实验记录,覆盖四大主要癌症类型:乳腺癌、结肠癌、结直肠癌和肺癌。每条记录提供关于治疗特征的标准化信息,包括药物类型、剂量、给药途径和给药方案,以及模型相关变量,如小鼠品系、肿瘤模型、异种移植类型(PDX/CDX)、基因改变和植入部位。该数据集还包括疗效和毒性终点,包括相对于对照组的肿瘤体积和肿瘤重量、最大体重损失、初始肿瘤体积,以及可用的相应终点日期信息。

【主题与分类】

主题标签:Anticancer Drug、Mouse Model、Xenograft。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/rymw4t4r8r/3

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://doi.org/10.17632/rymw4t4r8r.3

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。

数据集大小约 7.7 MB。

数据说明

本数据集汇总了在小鼠异种移植模型中评估的抗癌药物的临床前定量反应数据。它包含从143篇同行评审来源出版物中整理的1,602条实验记录,涵盖四种主要癌症类型:乳腺癌、结肠癌、结直肠癌和肺癌。每条记录都提供了关于治疗特征的标准化信息,包括药物类型、剂量、给药途径和给药方案,以及模型相关变量,如小鼠品系、肿瘤模型、异种移植类型(PDX/CDX)、基因改变和植入部位。该数据集还包括疗效和毒性终点,包括相对于对照组的肿瘤体积和肿瘤重量、最大体重减轻、初始肿瘤体积,以及可获取时的相应终点日信息。

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