AG01抗Progranulin/GP88抗体在晚期实体瘤中的首次人体1期研究
该数据集来自clinicaltrials.gov,收录一项AG01抗Progranulin/GP88抗体在晚期实体瘤恶性肿瘤中的首次人体1期研究,覆盖三阴性乳腺癌、激素抵抗性乳腺癌、非小细胞肺癌和间皮瘤

基本信息
资源简介
AG01抗Progranulin/GP88抗体在晚期实体瘤中的首次人体1期研究
该数据集来自clinicaltrials.gov,收录一项AG01抗Progranulin/GP88抗体在晚期实体瘤恶性肿瘤中的首次人体1期研究,覆盖三阴性乳腺癌、激素抵抗性乳腺癌、非小细胞肺癌和间皮瘤。源站描述介绍了PGRN/GP88作为一种88千道尔顿糖蛋白的生物学背景,及其在多种癌症中高表达与恶性表型、耐药和预后不良的关联。数据可用于了解该靶点相关肿瘤研究的入组条件与疾病范围(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:三阴性乳腺癌、激素抵抗性乳腺癌、非小细胞肺癌、间皮瘤。PGRN/GP88是一种由上皮或间充质来源细胞产生的88千道尔顿糖蛋白。它是一种自分泌生长因子,在包括乳腺癌和卵巢癌、多发性骨髓瘤、前列腺癌、非小细胞肺癌以及其他肿瘤在内的多种人类癌症中过表达。GP88高表达与恶性表型、增殖和生存增加以及對某些当前使用治疗药物的耐药性相关。病理学研究显示,PGRN/GP88是包括乳腺癌、非小细胞肺癌、前列腺癌和消化道癌症在内的多种癌症的独立预后因素。肿瘤组织中GP88高表达与无病生存期缩短和死亡率增加相关。此外,在
【主题与分类】
主题标签:Triple Negative Breast Cancer、Hormone-Resistant Breast Cancer、Non Small Cell Lung Cancer、Mesothelioma。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05627960
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://clinicaltrials.gov/study/NCT05627960
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
适应症:三阴性乳腺癌、激素抵抗性乳腺癌、非小细胞肺癌、间皮瘤。PGRN/GP88是一种由上皮或间充质来源细胞产生的88千道尔顿糖蛋白。它是一种自分泌生长因子,在多种人类癌症中过表达,包括乳腺癌和卵巢癌、多发性骨髓瘤、前列腺癌、非小细胞肺癌及其他肿瘤。GP88高表达与恶性表型、增殖和生存增加以及对某些当前使用治疗药物的耐药性相关。病理学研究表明,PGRN/GP88是包括乳腺癌、非小细胞肺癌、前列腺癌和消化道癌在内的多种癌症的独立预后因素。肿瘤组织中GP88高表达与无病生存期缩短和死亡率增加相关。此外,在4期乳腺癌患者中,PGRN/GP88循环水平高与总生存期缩短相关。
本研究将入组复发/难治性实体瘤恶性肿瘤患者(1A),这些患者根据SOC指南(如NCCN指南)已接受过一种或多种标准化疗或靶向治疗方案且治疗失败,并且无标准治疗可供选择。在研究1B部分,将招募三阴性乳腺癌、激素抵抗性乳腺癌、非小细胞肺癌和间皮瘤患者。治疗期(周期)为28天周期,AGO1每14天输注一次。剂量递增部分(1A)受试者的给药方案/治疗频率与扩展部分(1B)受试者相同。
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。




