罕见突变型肺癌基因测序

包含73个肺癌相关基因测序数据,覆盖靶向治疗、耐药、免疫治疗及化疗相关基因。

NIAID Data Ecosystem
浏览 11
基因组肺癌基因组测序
Gene sequencing of a rare mutant lung cancer

基本信息

模态
基因组
大小
0.001074686 GB
创建/更新时间
2026-10-17
版本
v1

资源简介

罕见突变型肺癌基因测序

【一句话概览】

本数据集是 Mendeley Data 公开的组学数据集,收录 1 个文件、合计 1.07 MB,可用于生物标志物发现与分子分型研究。

【数据集背景】

本数据集源站标题为《Gene sequencing of a rare mutant lung cancer》。源站首次发布:2025-09-01。

【数据内容】

源站原始描述:This sequencing contains 73 genes associated with the occurrence and development of lung cancer, including important genes related to targeted therapy and drug resistance such as BRAF, ALK, RET, ROS1, MET, EGFR, KRAS, ERBB2 in the NCCN guidelines, as well as genes related to PD-1/PD-L1 immunotherapy such as MLH1, MSH2, MSH6, PMS2, POLE, and genes related to chemotherapy drug toxicity and efficacy

中文译文(机器翻译,仅供快速理解,请以原文为准):该测序包含73个与肺癌发生、发展相关的基因,包括NCCN指南中与靶向治疗和耐药相关的重要基因,如BRAF、ALK、RET、ROS1、MET、EGFR、KRAS、ERBB2,以及与PD-1/PD-L1免疫治疗相关的基因,如MLH1、MSH2、MSH6、PMS2、POLE,以及与化疗药物毒性和疗效相关的基因。

【数据结构与技术规格】

文件数 1 个,合计 1.07 MB。数据集 DOI:10.17632/wpw7mstpp8.1。

【适用方向】

组学数据适用于生物标志物发现与分子分型相关建模研究。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/wpw7mstpp8

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://data.mendeley.com/datasets/wpw7mstpp8

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。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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