GSE292371：α-烯醇化酶(ENO1)相关基因特征预测弥漫性大B细胞淋巴瘤的预后风险和治疗反应
该数据集来自 NCBI GEO，标题为 GSE292371，聚焦 α-烯醇化酶（ENO1）相关基因特征在弥漫性大 B 细胞淋巴瘤中的预后风险与治疗反应预测
基本信息
资源简介
GSE292371：α-烯醇化酶(ENO1)相关基因特征预测弥漫性大B细胞淋巴瘤的预后风险和治疗反应
An alpha-enolase (ENO1) related gene signature predicts prognosis risk and therapeutic response in diffuse large B-cell lymphoma
该数据集来自 NCBI GEO，标题为 GSE292371，聚焦 α-烯醇化酶（ENO1）相关基因特征在弥漫性大 B 细胞淋巴瘤中的预后风险与治疗反应预测。源站描述指出 ENO1 在 Burkitt 淋巴瘤中高表达与不良临床结局相关，且 ENO1 作为 RNA 结合蛋白在 Burkitt 淋巴瘤中的功能尚不清楚，研究通过 Illumina HiSeq X Ten 平台进行 ENO1 的 RIP-seq，以期发现可被 ENO1 结合的 RNA 并进一步分析其功能。数据集包含 1 个文件，样例为 GSE292371_series_matrix.txt.gz，主题标签涉及 Other、GPL20795、9606，可用于探索 ENO1 结合。
【数据集背景】
源站首次发布：Mar 19 202。
【数据内容】
源站描述（机器翻译，仅供参考）：Burkitt 淋巴瘤中 ENO1 高表达与不良临床结局相关。ENO1 是一种 RNA 结合蛋白，但其在 Burkitt 淋巴瘤中的功能尚不清楚。我们通过 Illumina HiSeq X Ten 测序平台对 ENO1 进行 RIP-seq，希望找到可被 ENO1 结合的 RNA，并进一步分析 ENO1 的功能。
【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：Other、GPL20795、9606。本站分类：肿瘤/淋巴瘤。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE292371
【使用注意】
· 源站最后修改于 Oct 16 202，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=GSE292371
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
伯基特淋巴瘤中ENO1高表达与不良临床结局相关。ENO1是一种RNA结合蛋白，但其在伯基特淋巴瘤中的功能尚不清楚。我们通过Illumina HiSeq X Ten测序平台对ENO1进行RIP-seq，希望找到可被ENO1结合的RNA，并进一步分析ENO1的功能。
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。
