肺癌免疫治疗相关代谢亚型数据集

研究基于代谢通路聚类,整合临床病理、基因组变量及生存信息与转录组分析,识别可能用于判断免疫肿瘤药物疗效的代谢特征。源站首次发布:Sep 30 202

geo
浏览 2
基因组分类Expression profiling by arrayGPL319049606
GSE309652: Clinically relevant metabolic subtypes of lung cancer for immunotherapy

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-11

资源简介

肺癌免疫治疗相关代谢亚型数据集

Clinically relevant metabolic subtypes of lung cancer for immunotherapy

该数据集来自 NCBI GEO,标题为 Clinically relevant metabolic subtypes of lung cancer for immunotherapy,聚焦非小细胞肺癌(NSCLC)中与免疫治疗疗效相关的代谢通路亚型。研究基于代谢通路聚类,整合临床病理、基因组变量及生存信息与转录组分析,识别可能用于判断免疫肿瘤药物疗效的代谢特征。数据包含 1 个文件,样例为 GSE309652_series_matrix.txt.gz,采用表达谱芯片平台 GPL31904,物种为人类(9606),可用于探索代谢特征与 anti-PD-(L)1 治疗反应的关系(来源 NCBI)。

【数据集背景】

源站首次发布:Sep 30 202。

【数据内容】

源站描述(机器翻译,仅供参考):代谢通路亚型(MPSs)在 anti-PD-(L)1 治疗结局上表现出明显差异。利用基于代谢通路的聚类,我们识别出可能用于判断免疫肿瘤药物在非小细胞肺癌(NSCLC)中疗效的临床相关代谢特征。这些发现提示代谢特征在塑造免疫肿瘤治疗反应中起关键作用。为建立这些关系,我们将个体临床数据,包括临床病理和基因组变量以及生存信息,整合进转录分析中。

【数据结构与技术规格】

文件数 1 个,合计 0 B。

【主题与分类】

主题标签:Expression profiling by array、GPL31904、9606。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE309652

【使用注意】

· 源站最后修改于 Oct 01 202,引用时请注意版本时效。

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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE309652

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

代谢通路亚型(MPSs)在抗PD-(L)1治疗结果上显示出显著差异。通过基于代谢通路的聚类分析,我们识别出与临床相关的代谢特征,这些特征可能用于判断免疫肿瘤药物在非小细胞肺癌(NSCLC)中的疗效。这些发现提示,代谢特征在塑造免疫肿瘤治疗反应中起着关键作用。为了确立这些关系,我们将个体临床数据,包括临床病理学和基因组变量,以及生存信息,整合到转录分析中。

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