低计数RNA测序数据肿瘤细胞解卷积：嵌入式负二项分布方法
该数据集来自 NCBI GEO，标题为利用嵌入式负二项分布对肿瘤细胞低计数 RNA 测序数据进行解卷积。研究聚焦肿瘤异质性中混合信号问题，尤其针对 microRNA 与空间转录组等稀疏计数数据，提出 DeMixNB 半参考解卷积方法，在无需高质量外部参考数据的情况下估计肿瘤特异性转录本比例
基本信息
资源简介
低计数RNA测序数据肿瘤细胞解卷积：嵌入式负二项分布方法
Deconvolution of Low-count RNA Sequencing Data for Tumor Cells Using Embedded Negative Binomial Distributions
该数据集来自 NCBI GEO，标题为利用嵌入式负二项分布对肿瘤细胞低计数 RNA 测序数据进行解卷积。研究聚焦肿瘤异质性中混合信号问题，尤其针对 microRNA 与空间转录组等稀疏计数数据，提出 DeMixNB 半参考解卷积方法，在无需高质量外部参考数据的情况下估计肿瘤特异性转录本比例。数据覆盖乳腺癌与肺癌的真实 microRNA 测序及空间转录组分析，可用于评估稀疏表达矩阵下的解卷积性能与肿瘤异质性研究（来源 NCBI）。
【数据集背景】
源站首次发布：Nov 26 202。
【数据内容】
源站描述（机器翻译，仅供参考）：研究肿瘤异质性的一个主要挑战是基因表达数据中混合信号的存在，尤其是在处理 microRNA 和空间转录组学等稀疏计数数据集时。估计肿瘤特异性转录本比例可以为肿瘤异质性和细胞可塑性提供关键见解。然而，当前方法通常需要全面的单细胞参考数据，而这并不总是能够获得，并且可能受到技术偏差的影响。为克服这些问题，我们引入了 DeMixNB，一种基于半参考的解卷积方法，专门设计用于使用负二项模型从稀疏表达矩阵中估计转录本比例，而不依赖高质量外部参考数据。通过对来自乳腺癌和肺癌的真实 microRNA 测序和空间转录组学数据的模拟和分析，我们展示了 t
【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：GPL24676、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=GSE311690
【使用注意】
· 源站最后修改于 Jul 27 202，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE311690
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
研究肿瘤异质性的一个主要挑战是基因表达数据中存在混合信号，尤其是在处理诸如microRNA和空间转录组学等稀疏计数数据集时。估计肿瘤特异性转录本比例可以为肿瘤异质性和细胞可塑性提供关键见解。然而，当前方法通常需要全面的单细胞参考数据，而这并非总能获得，并且可能受到技术偏差的影响。为克服这些问题，我们提出了DeMixNB，一种基于半参考的解卷积方法，专门设计用于利用负二项模型从稀疏表达矩阵中估计转录本比例，而不依赖于高质量的外部参考数据。通过对来自乳腺癌和肺癌的真实microRNA测序和空间转录组学数据进行模拟和分析，我们证明DeMixNB能够准确估计肿瘤特异性转录本比例，并从真实世界数据集中提供有意义的生物学见解。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
