69例胰腺肿瘤及61例癌旁组织的微阵列基因表达谱
该数据集来自 ebi.ac.uk，包含 69 例胰腺肿瘤和 61 例癌旁非肿瘤组织的微阵列基因表达谱，样本来源于胰腺导管腺癌患者
基本信息
资源简介
69例胰腺肿瘤及61例癌旁组织的微阵列基因表达谱
Microarray gene-expression profiles of 69 pancreatic tumors and 61 adjacent non-tumor tissue from patients with pancreatic ductal adenocarcinoma
该数据集来自 ebi.ac.uk，包含 69 例胰腺肿瘤和 61 例癌旁非肿瘤组织的微阵列基因表达谱，样本来源于胰腺导管腺癌患者。数据基于 Affymetrix GeneChip Human Gene 1.0 ST 阵列，并整合了此前提交的 GSE28735 数据，使用 Partek Genomic Suite 去除批次效应。研究者通过 ANOVA 和 Cox 回归分析比较肿瘤与癌旁组织表达差异，可用于识别胰腺癌相关肿瘤标志物及 MIF 信号相关 microRNA 靶点（来源 BioStudies）。
【数据内容】
源站描述（机器翻译，仅供参考）：为了识别具有生物学相关性的肿瘤标志物，我们分析了 PDAC 病例肿瘤及癌旁非肿瘤组织的基因表达谱。我们比较了经 qRT-PCR 确定的 MIF 高表达和 MIF 低表达肿瘤的微阵列基因表达谱。Affymetrix 基因表达分析分两组进行。样本编号 1-90 的 Affymetrix 数据此前已由我们提交为 GEO 登录号：GSE28735。两组数据之间的批次效应使用 Partek Genomic Suite 去除，该标准化数据在本提交中提交至 GEO。所有分析均使用合并数据集进行。我们使用 Affymetrix GeneChip Human Gene 1.0 ST 阵列比较了 69 例胰腺肿瘤和癌旁非肿瘤组织的基因表达谱，以识别与 MIF 信号相关的 microRNA 靶点。我们使用 Partek 进行了 ANOVA 和 Cox 回归分析以
【主题与分类】
主题标签：transcription profiling by array、Homo sapiens。本站分类：肿瘤。
【获取与许可】
源站页面：https://ebi.ac.uk/biostudies/studies/E-GEOD-62452
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://ebi.ac.uk/biostudies/studies/E-GEOD-62452
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
Perwez Hussain; S Hussain (2016). Microarray gene-expression profiles of 69 pancreatic tumors and 61 adjacent non-tumor tissue from patients with pancreatic ductal adenocarcinoma [Dataset]. https://www.ebi.ac.uk/biostudies/studies/E-GEOD-62452
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。
