FFPET基因表达DLBCL细胞起源分型
该数据集来自omicsdi.org，聚焦弥漫性大B细胞淋巴瘤（DLBCL）的细胞起源（COO）分型，基于福尔马林固定石蜡包埋组织（FFPET）的基因表达数据
基本信息
资源简介
FFPET基因表达DLBCL细胞起源分型
该数据集来自omicsdi.org，聚焦弥漫性大B细胞淋巴瘤（DLBCL）的细胞起源（COO）分型，基于福尔马林固定石蜡包埋组织（FFPET）的基因表达数据。源站描述提及LLMPP的Lymph2Cx检测，采用20基因数字基因表达（NanoString）方法，训练集为51例FFPET活检，验证集为68例独立FFPET活检，并与匹配冰冻组织的原始COO模型比较。验证队列中检测准确，仅一例明确COO被错误分配，且COO分配间一致性超过95%。数据可用于DLBCL的COO分类任务研究（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：随着对生发中心B细胞样（GCB）或活化B细胞样（ABC）组具有选择性生物学活性的新疗法的出现，将弥漫性大B细胞淋巴瘤分配至细胞起源（COO）组变得越来越重要。LLMPP的Lymph2Cx检测是一种基于简约数字基因表达（NanoString）的检测方法，用于在标准诊断流程中常规产生的福尔马林固定石蜡包埋组织（FFPET）中进行COO分配。该20基因检测使用51例FFPET活检进行训练；随后使用68例FFPET活检的独立队列对锁定检测进行验证。与使用原始COO模型对匹配冰冻组织进行的COO分配进行了比较。在验证队列中，该检测准确，仅一例明确COO的病例被错误分配，且稳健，COO分配之间的一致性>95%
【主题与分类】
主题标签：Transcriptomics。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-53786
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-53786
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
随着对生发中心B细胞样（GCB）或活化B细胞样（ABC）亚群具有选择性生物活性的新型疗法的出现，将弥漫性大B细胞淋巴瘤分配到细胞起源（COO）亚群变得日益重要。LLMPP的Lymph2Cx检测是一种基于简约数字基因表达（NanoString）的检测方法，用于在标准诊断流程中常规生产的福尔马林固定石蜡包埋组织（FFPET）中进行COO分型。该20基因检测使用51份FFPET活检样本进行训练；随后使用独立的68份FFPET活检样本队列对锁定后的检测进行验证。研究还与使用原始COO模型对匹配冷冻组织进行COO分型的结果进行了比较。在验证队列中，该检测准确，仅有一例明确COO的病例被错误分型，且稳健性强，两个独立实验室之间的COO分型一致性超过95%。这些特性以及快速的周转时间，使Lymph2Cx attractive用于临床试验的实施，并最终应用于患者管理。该回顾性研究包括从119份临床样本中提取的RNA。
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。
