利用布尔蕴含网络鉴定神经母细胞瘤分化新型基因特征
该数据集来自 NCBI GEO（GSE226935），对神经母细胞瘤细胞系在基线及 13-cis-retinoic acid 处理后的转录组进行 RNA-seq 分析，用于验证基于布尔蕴含网络推导的分化特征
基本信息
资源简介
利用布尔蕴含网络鉴定神经母细胞瘤分化新型基因特征
Identification of a novel gene signature for neuroblastoma differentiation using a Boolean implication network
该数据集来自 NCBI GEO（GSE226935），对神经母细胞瘤细胞系在基线及 13-cis-retinoic acid 处理后的转录组进行 RNA-seq 分析，用于验证基于布尔蕴含网络推导的分化特征。研究聚焦与细胞内信号传导和生长因子受体转运相关的基因簇，并验证了其中 UBE4B 与神经母细胞瘤细胞及肿瘤分化的关联。数据包含 1 个文件（GSE226935_series_matrix.txt.gz），可用于神经母细胞瘤分化相关基因筛选、表达谱分类及潜在治疗靶点探索（来源 NCBI）。
【数据集背景】
源站首次发布：Mar 08 202。
【数据内容】
源站描述（机器翻译，仅供参考）：在本数据集中，我们报告了通过 RNA 测序（RNA-seq）对神经母细胞瘤细胞系在基线和 13-cis-retinoic acid 处理后的转录谱进行分析。本研究的数据验证了布尔蕴含网络衍生的神经母细胞瘤分化特征。我们的分化特征包括一个参与细胞内信号传导和生长因子受体转运通路的基因簇，该基因簇与神经母细胞瘤分化强烈相关，并且我们验证了该基因簇内基因 UBE4B 与神经母细胞瘤细胞和肿瘤分化的关联。我们的发现表明，对对称和非对称基因表达关系的布尔网络分析可以识别与神经母细胞瘤肿瘤分化相关的新基因和通路，这些可能代表潜在的治疗靶点。
【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：GPL20301、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=GSE226935
【使用注意】
· 源站最后修改于 Apr 24 202，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=GSE226935
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
在本数据集中，我们报告了通过RNA测序（RNA-seq）对神经母细胞瘤细胞系在基线和经13-顺式维甲酸处理后的转录谱分析。本研究的数据验证了神经母细胞瘤中基于布尔蕴含网络推导的分化特征。我们的分化特征包括一个与神经母细胞瘤分化强烈相关的基因簇，涉及细胞内信号传导和生长因子受体运输途径，并且我们验证了该基因簇内的UBE4B基因与神经母细胞瘤细胞及肿瘤分化的关联。我们的发现表明，对对称和非对称基因表达关系的布尔网络分析能够识别与神经母细胞瘤肿瘤分化相关的新基因和途径，这些可能成为潜在的治疗靶点。
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。
