肺腺癌小鼠肿瘤表达数据
该数据集为肺腺癌小鼠肿瘤的表达数据，来源于 omicsdi.org，属于肿瘤/肺癌分类，主题标签为 Transcriptomics
基本信息
资源简介
肺腺癌小鼠肿瘤表达数据
该数据集为肺腺癌小鼠肿瘤的表达数据，英文名称为 Expression data from lung adenocarcinoma mouse tumors，来源于 omicsdi.org，属于肿瘤 / 肺癌分类，主题标签为 Transcriptomics。其核心内容围绕 Lkb1 缺陷型肺肿瘤进展与转移过程中信号转导通路的变化展开，通过非偏倚的微阵列分析，对小鼠原发性和转移性肺肿瘤进行基因表达谱检测，以刻画转移进展背后的全局基因表达程序。数据覆盖 Kras 与 Kras/Lkb1 两类原发肿瘤以及 Kras/Lkb1 转移灶，能够为肺癌转移机制研究提供转录组层面的实验依据。
【数据集背景】
该数据集旨在识别与 Lkb1 缺陷型肺肿瘤进展和转移相关的信号转导通路改变。研究采用非偏倚的微阵列分析方法，对小鼠原发性和转移性肺肿瘤进行表达谱检测，以揭示转移进展所依赖的全局基因表达程序。这一背景使其与肺癌中 Lkb1 缺失相关的分子机制研究直接相关，尤其关注肿瘤从原发阶段向淋巴结及远处部位转移过程中的转录组变化。
【数据内容】
数据内容为基因表达谱，来源于小鼠肺肿瘤样本。具体比较了 9 例 Kras 原发肿瘤、9 例 Kras/Lkb1 原发肿瘤以及 17 例 Kras/Lkb1 转移灶（包括淋巴结和远处部位）的 RNA 表达谱。通过微阵列分析，数据覆盖了原发肿瘤与转移肿瘤之间的表达差异，可用于观察与转移进展相关的全局基因表达程序。主题标签为 Transcriptomics，表明其属于转录组学范畴。
【采集与来源】
该数据集来源于 omicsdi.org。源站描述指出，研究通过微阵列对小鼠肺肿瘤进行表达检测，样本包括原发性和转移性肿瘤。数据分类为肿瘤 / 肺癌，英文名称为 Expression data from lung adenocarcinoma mouse tumors。除上述来源与样本信息外，源站未提供更详细的采集平台、实验流程或样本处理细节。
【适用场景】
该数据集适用于肺癌转移机制相关的转录组研究，尤其是涉及 Lkb1 缺陷型肺肿瘤进展与转移的信号转导通路分析。可用于比较 Kras 原发肿瘤、Kras/Lkb1 原发肿瘤以及 Kras/Lkb1 转移灶之间的基因表达差异，帮助识别与转移进展相关的表达程序。也可作为肺癌小鼠模型中转录组层面的参考数据，用于探索原发肿瘤与转移肿瘤之间的分子差异。
【使用方法】
源站未提供具体的使用方法说明。该数据集以表达谱形式呈现，通常可用于差异表达分析、通路富集分析或转移相关基因筛选等转录组研究流程，但具体分析步骤、数据格式和处理方式需依据源站提供的原始信息进行确认。
【质量与限制】
源站未提供质量评估、批次信息、技术重复或验证实验等细节。该数据集基于小鼠模型，样本类型包括原发肿瘤和转移灶，但源站未说明样本纳入标准、排除标准或潜在混杂因素。因此，在解释表达差异时需注意其来源于动物模型，不能直接等同于人类肺癌的临床特征。
【引用与许可】
源站未提供引用方式与许可信息。
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-21581
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
为识别参与Lkb1缺陷型肺肿瘤进展和转移的异常信号转导通路，我们对原发性和转移性小鼠肺肿瘤进行了无偏倚的微阵列分析。我们利用微阵列来详细描绘转移进展背后的全局基因表达程序。我们比较了9例Kras和9例Kras/Lkb1原发性肿瘤以及17例Kras/Lkb1转移瘤（淋巴结和远处部位）的RNA表达谱。
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。
