异常应答者的基因组研究

该数据集来自 clinicaltrials.gov,聚焦肿瘤尤其是肺癌等实体瘤患者对治疗药物出现异常好或异常差应答的遗传基础

University Health Network, TorontoUniversity Health Network, Toronto
clinicaltrials
浏览 5
基因组预测CancerBreast CancerNon-small Cell Lung CancerColorectal CancerGenitourinary CancerGynecological CancerUpper Aerodigestive Tract CancerPancreatobiliary Gastrointestinal CancerMelanoma (Skin)Rare CancerCarcinoma of Unknown Primary
Genomic Investigation of Unusual Responders

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-08

资源简介

异常应答者的基因组研究

该数据集来自 clinicaltrials.gov,聚焦肿瘤尤其是肺癌等实体瘤患者对治疗药物出现异常好或异常差应答的遗传基础。覆盖乳腺癌、非小细胞肺癌、结直肠癌、泌尿生殖系统肿瘤、妇科肿瘤、上呼吸消化道肿瘤及胰胆胃肠道肿瘤等。研究拟回顾性对肿瘤样本进行外显子组、下一代DNA测序及其他分子技术,以识别患者对化疗产生特殊应答的遗传基础。可用于探索肿瘤药物应答差异的分子机制及相关生物标志物研究(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:癌症、乳腺癌、非小细胞肺癌、结直肠癌、泌尿生殖系统肿瘤、妇科肿瘤、上呼吸消化道肿瘤、胰胆胃肠道肿瘤。研究表明,同一患者的肿瘤对相同治疗药物可能产生非常不同的应答。本研究旨在探究对治疗药物应答异常好或异常差的肿瘤的遗传基础,以理解这种应答的基本遗传基础。本方案拟回顾性地对肿瘤样本进行外显子组、下一代(DNA)测序和/或其他分子技术,以识别患者对化疗产生特殊应答的遗传基础。

【主题与分类】

主题标签:Cancer、Breast Cancer、Non-small Cell Lung Cancer、Colorectal Cancer、Genitourinary Cancer、Gynecological Cancer、Upper Aerodigestive Tract Cancer、Pancreatobiliary Gastrointestinal Cancer、Melanoma (Skin)、Rare Cancer。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT03740503

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://clinicaltrials.gov/study/NCT03740503

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。

数据说明

疾病:癌症、乳腺癌、非小细胞肺癌、结直肠癌、泌尿生殖系统癌症、妇科癌症、上呼吸消化道癌症、胰胆胃肠道癌症。研究表明,同一患者的肿瘤对相同治疗药物的反应可能大相径庭。本研究旨在探究对治疗药物反应异常良好或不佳的肿瘤的遗传基础,以期理解这种反应的根本遗传学依据。本方案旨在回顾性地对肿瘤样本进行外显子组、下一代(DNA)测序和/或其他分子技术,以识别患者对化疗异常反应的遗传基础。

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