基于扰动信息特征预测抗癌药物敏感性的顺铂验证数据集 ATAC-seq

该数据集来自 NCBI GEO（GSE207607），为顺铂敏感性验证数据集的 ATAC-seq 部分，包含对顺铂高敏感（Jurkat）与低敏感（BxPC-3）细胞系在 3 uM 顺铂处理 6 小时后采集的染色质状态数据

geo

基因组预测GPL246769606

GSE207607: Perturbation-informed signatures from crosswise integration of transcriptome and chromatin accessibility analyses predict susceptibility to candidate anticancer drugs (cisplatin validation dataset) [ATAC-seq]

基本信息

模态

基因组

任务类型

预测

创建/更新时间

2026-11-04

资源简介

基于扰动信息特征预测抗癌药物敏感性的顺铂验证数据集 ATAC-seq

Perturbation-informed signatures from crosswise integration of transcriptome and chromatin accessibility analyses predict susceptibility to candidate anticancer drugs (cisplatin validation dataset) [ATAC-seq]

该数据集来自 NCBI GEO（GSE207607），为顺铂敏感性验证数据集的 ATAC-seq 部分，包含对顺铂高敏感（Jurkat）与低敏感（BxPC-3）细胞系在 3 uM 顺铂处理 6 小时后采集的染色质状态数据。数据可用于验证基于扰动信息特征构建的药物敏感性预测流程，支持转录组与染色质可及性整合分析，帮助研究肿瘤细胞对候选抗癌药物的敏感性差异（来源 NCBI）。

【数据集背景】

源站首次发布：Jul 06 202。

【数据内容】

源站描述（机器翻译，仅供参考）：获取对顺铂高敏感（Jurkat）和低敏感（BxPC-3）的细胞系在抗癌药物 3 uM 处理 6 小时后的转录组和染色质状态，以验证基于构建扰动信息特征的药物预测流程。

【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。

【获取与许可】

源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE207607

【使用注意】

· 源站最后修改于 Sep 15 202，引用时请注意版本时效。

原始链接

https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE207607

访问原始数据

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。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE207607

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。

数据说明

为了验证基于构建扰动信息特征图谱的药物预测流程，获取了顺铂高敏感（Jurkat）和低敏感（BxPC-3）细胞系在抗癌药物3 μM处理6小时后的转录组和染色质状态。

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