预测T1G3膀胱癌进展的五基因表达特征

源站描述了一项多中心回顾性研究,分析进展性与非进展性T1G3膀胱癌患者的基因表达谱,旨在建立预测肿瘤进展的基因表达特征。研究使用96例接受经尿道切除术的T1G3膀胱癌患者FFPE组织样本,排除合并CIS者,先对21例样本进行微阵列分析,再对独立队列75例样本中94个关键基因进行定量PCR验证,并采用

biostudies
浏览 1
基因组预测transcription profiling by arrayHomo sapiens
A five-gene expression signature to predict progression in T1G3 bladder cancer

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-11-02

资源简介

预测T1G3膀胱癌进展的五基因表达特征

A five-gene expression signature to predict progression in T1G3 bladder cancer

该数据集来自ebi.ac.uk,属于肿瘤/其他分类,主题为transcription profiling by array,物种为Homo sapiens。源站描述了一项多中心回顾性研究,分析进展性与非进展性T1G3膀胱癌患者的基因表达谱,旨在建立预测肿瘤进展的基因表达特征。研究使用96例接受经尿道切除术的T1G3膀胱癌患者FFPE组织样本,排除合并CIS者,先对21例样本进行微阵列分析,再对独立队列75例样本中94个关键基因进行定量PCR验证,并采用单变量逻辑回归识别个体预测因子。数据可用于膀胱癌进展相关基因表达特征的开发与验证(来源 BioStudies)。

【数据内容】

源站描述(机器翻译,仅供参考):分析进展性与非进展性T1G3膀胱癌(BCa)患者的基因表达谱,以开发预测肿瘤进展的基因表达特征。多中心回顾性研究,使用96例接受经尿道切除术的T1G3膀胱癌患者的福尔马林固定石蜡包埋(FFPE)组织样本。排除合并CIS的患者。使用微阵列对21例选定的进展性与非进展性T1G3膀胱癌患者样本进行全局基因表达模式分析。通过定量PCR在独立队列的75例进展性与非进展性T1G3膀胱癌患者样本中研究从微阵列和文献中选出的94个关键基因的表达水平。采用单变量逻辑回归识别个体预测因子。进展性与非进展性T1G3膀胱癌患者显示出不同的基因表达

【主题与分类】

主题标签:transcription profiling by array、Homo sapiens。本站分类:肿瘤。

【获取与许可】

源站页面:https://ebi.ac.uk/biostudies/studies/E-GEOD-57813

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://ebi.ac.uk/biostudies/studies/E-GEOD-57813

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

E-GEOD-57813 一个五基因表达特征用于预测T1G3膀胱癌进展的微阵列转录谱分析 EFO EFO_0002768 智人 分析进展性和非进展性T1G3膀胱癌(BCa)患者的基因表达谱,以开发一个基因

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。