Cushing病中微腺瘤与大腺瘤的差异表达分析
该数据集来源于omicsdi.org,主题为转录组学,聚焦Cushing病中微腺瘤(MICs,直径<10 mm)与大腺瘤(MACs,直径≥10 mm)之间的基因差异表达分析

基本信息
资源简介
Cushing病中微腺瘤与大腺瘤的差异表达分析
该数据集来源于omicsdi.org,主题为转录组学,聚焦Cushing病中微腺瘤(MICs,直径<10 mm)与大腺瘤(MACs,直径≥10 mm)之间的基因差异表达分析。源站描述指出,Cushing病由垂体腺瘤导致ACTH依赖性皮质醇增多症,常伴随高血压、糖尿病、骨质疏松/骨折、继发感染及心血管死亡率升高等多种并发症;大腺瘤生长潜力和侵袭性更强,局部并发症风险显著增加。该数据可用于研究两类肿瘤的分子异质性及差异表达模式(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):由垂体腺瘤引起的ACTH依赖性皮质醇增多症[Cushing病(CD)]是内源性Cushing综合征最常见的原因。CD常与多种并发症相关,包括高血压、糖尿病、骨质疏松/骨折、继发感染和心血管死亡率增加。虽然垂体磁共振成像上可见的促肾上腺皮质激素细胞瘤大多数(约80%)为微腺瘤(MICs,直径<10 mm),但部分肿瘤为大腺瘤(MACs,直径≥10 mm),具有更强的生长潜力和侵袭性,极少数表现出恶性行为。此外,较大且具侵袭性的MACs与局部并发症(如垂体功能减退和视野缺损)风险显著增加相关。鉴于促肾上腺皮质激素细胞瘤的临床和分子异质性,本研究旨在探讨遗传差异的模式
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE72490
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。
使用方式
数据集获取
源站:https://omicsdi.org/dataset/geo/GSE72490
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
由垂体腺瘤引起的ACTH依赖性皮质醇增多症[库欣病(CD)]是内源性库欣综合征最常见的病因。CD常伴随多种并发症,包括高血压、糖尿病、骨质疏松/骨折、继发感染以及心血管死亡率增加。虽然在垂体磁共振成像上可见的促肾上腺皮质激素腺瘤中大多数(约80%)为微腺瘤(MIC,直径<10 mm),但部分肿瘤为大腺瘤(MAC,≥10 mm),具有更强的生长潜力和侵袭性,极少数甚至表现出恶性行为。此外,较大且具有侵袭性的MAC与局部并发症(如垂体功能减退和视野缺损)风险显著增加相关。鉴于促肾上腺皮质激素腺瘤在临床和分子层面的异质性,本研究旨在探讨MIC与MAC之间的基因差异表达模式,并将侵袭程度作为肿瘤分类的标准之一。
本研究纳入了经临床、实验室、影像学及组织病理学诊断为ACTH分泌性垂体腺瘤所致皮质醇增多症患者的肿瘤样本。采用Affymetrix微阵列平台对12例促肾上腺皮质激素细胞腺瘤进行差异基因表达研究,根据改良Hardy标准将其分类为非侵袭性MIC(n=4)和MAC(n=5)以及侵袭性MAC(n=3)。同时研究了USP8的体细胞突变,但所有患者均未出现USP8变异。差异表达分析表明,非侵袭性MIC和MAC具有相似的遗传特征,而侵袭性MAC则表现出差异表达谱。在差异表达的基因中,我们重点关注了CCND2、ZNF676、DAPK1和TIMP2,并在另一组15例非侵袭性和3例侵袭性促肾上腺皮质激素细胞腺瘤中通过实时定量PCR验证了其差异表达。我们还鉴定了潜在的生物学
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。




