GSE314566：捕获大B细胞淋巴瘤临床与分子异质性的患者来源异种移植库
该数据集来自NCBI，标题为捕获大B细胞淋巴瘤临床与分子异质性的患者来源异种移植（PDX）库，包含1个文件GSE314566_series_matrix.txt.gz
基本信息
资源简介
GSE314566：捕获大B细胞淋巴瘤临床与分子异质性的患者来源异种移植库
A patient derived xenograft repository capturing clinical and molecular heterogeneity of large B-cell lymphoma
该数据集来自NCBI，标题为捕获大B细胞淋巴瘤临床与分子异质性的患者来源异种移植（PDX）库，包含1个文件GSE314566_series_matrix.txt.gz。源站描述指出，大B细胞淋巴瘤（LBCL）在临床和分子上具有多样性，治疗格局快速演变并带来CART19进展后等新临床需求；PDX模型是机制研究和临床前评价新疗法的重要工具。该库首批描述48个模型，涵盖LBCL的转录和遗传亚群，其中30个来自CART19进展后活检。数据可用于研究肿瘤内在耐药机制及新药临床前评估（来源 NCBI）。
【数据集背景】
源站首次发布：Dec 19 202。
【数据内容】
源站描述（机器翻译，仅供参考）：大B细胞淋巴瘤（LBCL）是一组在临床和分子上具有多样性的恶性肿瘤，其治疗格局快速演变，带来了新的临床需求领域，例如CD19嵌合抗原受体T细胞（CART19）治疗后进展。患者来源异种移植（PDX）模型是机制研究和新型疗法临床前评估的重要工具，可从多种临床情境中生成，以捕获肿瘤内在耐药机制。因此，我们开展了全面工作，以生成涵盖LBCL分子格局并包含新药开发重要临床场景的PDX模型。在此，我们描述该公开可用库中的首批48个模型，捕获LBCL的转录和遗传亚群。这些模型还包括30个来自CART19进展后活检生成的模型，其rep
【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/淋巴瘤。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE314566
【使用注意】
· 源站最后修改于 Mar 06 202，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=GSE314566
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
大B细胞淋巴瘤（LBCLs）是一组在临床和分子层面具有高度异质性的恶性肿瘤，其治疗格局正快速演变，并由此产生了新的临床需求领域，例如CD19嵌合抗原受体T细胞（CART19）治疗后进展。患者来源异种移植（PDX）模型是机制研究和新型疗法临床前评估的重要工具，可从多种临床情境中构建，以捕捉肿瘤内在的耐药机制。因此，我们开展了一项系统性工作，旨在构建涵盖LBCL分子图谱并纳入新药研发重要临床场景的PDX模型。本文描述了该公开可用资源库中的首批48个模型，涵盖了LBCL的转录和遗传亚群。这些模型还包括30个由CART治疗后进展活检样本构建的模型，其再现了由CD19突变或表达缺失驱动的进展模式，以及我们在体内验证的肿瘤细胞内在CART19耐药性。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
