化疗初治与化疗后PDAC肿瘤配对RNA-Seq样本

该数据集为32例化疗初治与化疗后PDAC肿瘤的配对RNA-Seq样本,用于界定新辅助化疗的分子和细胞影响。转录组分析结合全组织切片高分辨率映射,识别出GATA6(Classical)、KRT17(Basal-like)和细胞色素P450 3A(CYP3A)共表达细胞,这些细胞在化疗后切除样本中优先富

omicsdi
浏览 2
基因组分类Genomics
2d0b7669-970a-4363-916c-8378fe9f5db9 - samples

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-11-04

资源简介

化疗初治与化疗后PDAC肿瘤配对RNA-Seq样本

该数据集为32例化疗初治与化疗后PDAC肿瘤的配对RNA-Seq样本,用于界定新辅助化疗的分子和细胞影响。转录组分析结合全组织切片高分辨率映射,识别出GATA6(Classical)、KRT17(Basal-like)和细胞色素P450 3A(CYP3A)共表达细胞,这些细胞在化疗后切除样本中优先富集。测序在HiSeq2000/HiSeq2500上完成,使用Takara_SMARTer_Ultra_Low_Input_RNA_and_NEBNext_ChIP-Seq Kit。可用于研究化疗对PDAC转录组和细胞组成的影响(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):32例化疗初治和化疗后PDAC肿瘤的配对RNA-Seq(HIPO_015),用于界定新辅助化疗的分子和细胞影响。转录组分析结合全组织切片的高分辨率映射,识别出GATA6(Classical)、KRT17(Basal-like)和细胞色素P450 3A(CYP3A)共表达细胞,这些细胞在化疗后切除样本中优先富集。测序在HiSeq2000/HiSeq2500上完成,使用Takara_SMARTer_Ultra_Low_Input_RNA_and_NEBNext_ChIP-Seq Kit。

【主题与分类】

主题标签:Genomics。本站分类:肿瘤。

【获取与许可】

源站页面:https://omicsdi.org/dataset/ega/EGAD00001010884

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/ega/EGAD00001010884

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

32例初治和化疗后PDAC肿瘤样本的配对RNA测序(HIPO_015),以确定新辅助化疗的分子和细胞影响。转录组分析结合全组织切片的高分辨率定位,识别出GATA6(经典型)、KRT17(基底样型)和细胞色素P450 3A(CYP3A)共表达细胞,这些细胞在化疗后切除样本中优先富集。测序使用HiSeq2000/HiSeq2500平台,采用Takara_SMARTer_Ultra_Low_Input_RNA_and_NEBNext_ChIP-Seq试剂盒完成。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。