PDGFRβ信号与β-catenin协同调控c-Abl及硬纤维瘤生物学行为的微阵列数据集

该数据集来自NCBI,包含硬纤维瘤与正常间充质组织的微阵列表达谱数据,共1个文件(GSE237692_series_matrix.txt.gz)

geo
浏览 2
时间序列分类Expression profiling by arrayGPL5719606
GSE237692: PDGFRβ signaling cooperates with β-catenin to modulate c-Abl and biologic behavior of desmoid-type fibromatosis [microarray]

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-28

资源简介

PDGFRβ信号与β-catenin协同调控c-Abl及硬纤维瘤生物学行为的微阵列数据集

PDGFRβ signaling cooperates with β-catenin to modulate c-Abl and biologic behavior of desmoid-type fibromatosis [microarray]

该数据集来自NCBI,包含硬纤维瘤与正常间充质组织的微阵列表达谱数据,共1个文件(GSE237692_series_matrix.txt.gz)。源站描述显示,研究利用HIF1活性相关基因对硬纤维瘤和正常间充质组织进行无监督聚类,能够准确区分肿瘤组织与正常对照。数据可用于探索PDGFRβ信号与β-catenin协同调控c-Abl及硬纤维瘤生物学行为的分子机制,并支持肿瘤与正常组织的分类建模(来源 NCBI)。

【数据集背景】

源站首次发布:Jul 18 202。

【数据内容】

源站描述(机器翻译,仅供参考):利用与HIF1活性相关的基因对硬纤维瘤和正常间充质组织进行无监督聚类。该方法准确地将肿瘤组织与正常对照区分开来。

【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:Expression profiling by array、GPL571、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=GSE237692

【使用注意】

· 源站最后修改于 Jan 30 202,引用时请注意版本时效。

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

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

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=GSE237692

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

使用与HIF1活性相关的基因对硬纤维瘤和正常间充质组织进行了无监督聚类分析。这一方法准确地将肿瘤组织与正常对照区分开来。本研究旨在识别硬纤维瘤型纤维瘤病相较于正常间充质组织差异表达的基因。我们注意到,在体外研究中,β-catenin——硬纤维瘤型纤维瘤病的核心驱动因子——似乎调控HIF1信号通路。随后,利用与HIF1及血管生成通路相关的基因对硬纤维瘤和正常间充质组织进行无监督聚类分析。这些基因能够准确区分肿瘤样本与正常样本。

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。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案