PRJNA1401496:32例人类外周血小RNA测序
该数据集来自NCBI,包含32例不可切除局部晚期或转移性非小细胞肺癌(NSCLC)患者在接受替雷利珠单抗联合卡铂和紫杉醇治疗前的外周血外泌体小RNA测序数据

基本信息
资源简介
PRJNA1401496:32例人类外周血小RNA测序
该数据集来自NCBI,包含32例不可切除局部晚期或转移性非小细胞肺癌(NSCLC)患者在接受替雷利珠单抗联合卡铂和紫杉醇治疗前的外周血外泌体小RNA测序数据。患者依据RECIST 1.1标准在两个治疗周期后分为临床获益(CB)与非临床获益(non-CB)组。数据可用于分析外泌体miRNA表达差异,探索预测免疫化疗疗效的非侵入性生物标志物,并支持靶基因预测及GO、KEGG等功能富集分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):免疫化疗已成为晚期非小细胞肺癌(NSCLC)的标准一线治疗,但缓解率仍然有限。识别可靠的非侵入性生物标志物对于预测治疗获益和实现个体化治疗策略至关重要。在这项前瞻性研究中,我们入组了32例接受替雷利珠单抗联合卡铂和紫杉醇治疗的不可切除局部晚期或转移性NSCLC患者。根据两个治疗周期后的RECIST 1.1标准,患者被分为临床获益(CB)组和非临床获益(non-CB)组。在治疗开始前通过超速离心分离血清外泌体。进行小RNA测序以分析外泌体miRNA表达谱,并通过定量RT-PCR验证差异表达。靶基因预测和功能富集分析(GO、KEGG、Diseas
【主题与分类】
主题标签:Raw sequence reads。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1401496
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/bioproject/PRJNA1401496
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
免疫化疗已成为晚期非小细胞肺癌(NSCLC)的标准一线治疗方案,但缓解率仍然有限。识别可靠的非侵入性生物标志物对于预测治疗获益和实现个体化治疗策略至关重要。在这项前瞻性研究中,我们纳入了32例接受替雷利珠单抗联合卡铂和紫杉醇治疗的不可切除局部晚期或转移性NSCLC患者。根据两个治疗周期后的RECIST 1.1标准,将患者分为临床获益(CB)组和无临床获益(non-CB)组。在治疗开始前通过超速离心法分离血清外泌体。进行小RNA测序以分析外泌体miRNA表达谱,并通过定量RT-PCR验证差异表达。使用clusterProfiler对差异表达的miRNA进行靶基因预测和功能富集分析(GO、KEGG、Disease Ontology、Reactome)。进行ROC曲线分析以评估候选miRNA的预测性能。我们在CB和non-CB患者之间鉴定出19个差异表达的外泌体miRNA。
在CB组中,有7种miRNA显著上调,并经RT-qPCR验证。其中,miR-192-5p展现出最高的预测准确性,AUC为0.77(95% CI:0.543-0.917)。功能富集分析显示,这些miRNA的靶基因参与了包括MAPK和Ras信号传导在内的关键信号通路,以及与凋亡和细胞周期调控相关的生物学过程。疾病本体论分析表明其与肺癌发病机制显著相关,而Reactome通路分析则显示在RHO GTPase循环和PI3K/AKT信号级联中富集。本研究确定了一组血清外泌体miRNA,特别是miR-192-5p,作为预测晚期NSCLC免疫化疗反应的有前景的非侵入性生物标志物。这些发现s
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。




