BATTLE试验索拉非尼组最终疗效与生物标志物分析数据集
该数据集来自BATTLE试验索拉非尼治疗组,包含晚期非小细胞肺癌(NSCLC)患者的基因表达谱数据,使用GPL6244平台进行表达谱分析

基本信息
资源简介
BATTLE试验索拉非尼组最终疗效与生物标志物分析数据集
Final efficacy and biomarker analysis of the sorafenib arm of the BATTLE (Biomarker-Integrated Approaches of Targeted Therapy for Lung Cancer Elimination) trial
该数据集来自BATTLE试验索拉非尼治疗组,包含晚期非小细胞肺癌(NSCLC)患者的基因表达谱数据,使用GPL6244平台进行表达谱分析。数据可用于研究索拉非尼单药治疗的8周疾病控制率(DCR)相关生物标志物,支持疗效预测与分类分析,帮助识别可能从索拉非尼治疗中获益的患者亚群(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 16 201。
【数据内容】
源站描述(机器翻译,仅供参考):目的:确定BATTLE试验中索拉非尼单药治疗晚期非小细胞肺癌(NSCLC)患者的8周疾病控制率(DCR)。
【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、GPL6244、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=GSE31428
【使用注意】
· 源站最后修改于 Jul 26 201,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=GSE31428
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
目的:确定BATTLE试验中索拉非尼单药治疗晚期非小细胞肺癌(NSCLC)患者的8周疾病控制率(DCR)。方法:既往接受过治疗的NSCLC患者同意接受基线活检,用于预先指定的生物标志物评估和生物标志物发现。索拉非尼以400 mg口服,每日两次,直至肿瘤进展或出现不可接受的毒性。按预先指定的生物标志物分析结局,并利用NSCLC细胞系和基线活检的高通量基因表达谱开发索拉非尼敏感性特征。结果:105例患者符合条件,98例患者可评估。中位年龄为62岁(范围34-81岁),51%的患者为男性,75%为既往/当前吸烟者,89%的ECOG体能状态为0-1。IV期NSCLC既往化疗的中位数为2次。中位随访时间为9.4个月(范围:1.3-32.2)。总体8周DCR为58.2%。与野生型肿瘤患者相比,EGFR突变患者的8周DCR显著更低(23.1% vs. 64.2%,P=0.0119),而K-RAS突变患者的8周DCR最高(67%)。
最常见报告的治疗相关不良事件包括手足综合征(59.6%)、疲劳(42.3%)、皮疹(40.4%)、腹泻(38.5%)和体重减轻(38.5%)。在细胞系中开发的索拉非尼敏感性特征与改善的结果相关。结论:野生型EGFR患者,包括那些具有K-RAS突变的患者,可能从索拉非尼中获益,而不是EGFR突变的患者。我们确定了一个与接受索拉非尼治疗的野生型EGFR患者改善结果相关的基因表达特征。BATTLE-2试验正在进行中,以验证这些结果。ClinicalTrials.gov编号,NCT00411671。
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。




