甲基化谱揭示横纹肌肉瘤新分子类别
该数据集来自 omicsdi.org,主题为甲基化谱分析,聚焦横纹肌肉瘤(RMS)的分子分型。RMS 是儿童与成人均可发生的侵袭性软组织肉瘤,病理风险分层长期依赖组织学亚型,其中 ARMS 与成人型 PRMS 预后较差,ERMS 相对较好

基本信息
资源简介
甲基化谱揭示横纹肌肉瘤新分子类别
该数据集来自 omicsdi.org,主题为甲基化谱分析,聚焦横纹肌肉瘤(RMS)的分子分型。RMS 是儿童与成人均可发生的侵袭性软组织肉瘤,病理风险分层长期依赖组织学亚型,其中 ARMS 与成人型 PRMS 预后较差,ERMS 相对较好。近期基因组测序研究拓展了 RMS 谱系,纳入融合驱动的 SC/SRMS 与 MYOD1 突变型 SC/SRMS 等新分子实体,并已对常见 ERMS、ARMS 定义突变与拷贝数谱及相应甲基化特征,而罕见 SC/SRMS 与 PRMS 的遗传与表观遗传关联尚未明确。该数据可用于 RMS 分子分类与表观遗传特征研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):横纹肌肉瘤(RMS)是一类侵袭性软组织肉瘤,在儿童和成人中均可发生。RMS 的病理风险分层一直基于组织学亚型,与胚胎性横纹肌肉瘤(ERMS)相比,腺泡状横纹肌肉瘤(ARMS)和成人型多形性横纹肌肉瘤(PRMS)的预后较差。近期的基因组测序研究拓展了 RMS 的谱系,出现了若干新的分子定义实体,包括融合驱动的梭形细胞/硬化性横纹肌肉瘤(SC/SRMS)和 MYOD1 突变型 SC/SRMS。全面的基因组分析此前已为较常见的 ERMS 和 ARMS 定义了突变与拷贝数谱,并揭示了相应的甲基化特征。相比之下,罕见的 SC/SRMS 或 PRMS 组织学亚型的遗传与表观遗传关联尚未被定义。本文中
【主题与分类】
主题标签:Methylation profiling。本站分类:肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE167059
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://omicsdi.org/dataset/geo/GSE167059
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
横纹肌肉瘤(RMS)是一类侵袭性软组织肉瘤,可发生于儿童和成人。RMS的病理风险分层一直基于组织学亚型,与胚胎性横纹肌肉瘤(ERMS)相比,腺泡状横纹肌肉瘤(ARMS)和成人型多形性横纹肌肉瘤(PRMS)的预后较差。近期的基因组测序研究扩展了RMS的谱系,发现了若干新的分子定义实体,包括融合驱动的梭形细胞/硬化性横纹肌肉瘤(SC/SRMS)和MYOD1突变型SC/SRMS。既往的综合基因组分析已确定了较常见的ERMS和ARMS的突变谱和拷贝数谱,并揭示了相应的甲基化特征。相比之下,罕见的SC/SRMS或PRMS组织学亚型的遗传和表观遗传相关性尚未明确。在此,我们呈现了迄今分子特征最为明确的规模最大的RMS样本队列的基因组测序、拷贝数分析和甲基化谱分析。我们识别出两个新的甲基化亚型,其中一个具有SC/SRMS组织学特征,并由MYOD1 p.
L122R突变及其他相匹配的成人型PRMS。来自青少年患者的部分肿瘤与PRMS甲基化类别聚类在一起,从而扩展了这些罕见肿瘤的年龄范围。MYOD1突变组中的儿童患者,以及与PRMS聚类在一起的患者,似乎总体生存率较差。
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。




