SIX1/2通路与DROSHA/DGCR8 miRNA微处理器复合体突变驱动高危胚芽型Wilms瘤
该数据集聚焦化疗后儿童Wilms瘤(肾母细胞瘤)中预后不良的胚芽型亚组,通过对58例胚芽型Wilms瘤进行外显子与转录组测序,并在大型独立复制队列中验证,识别出SIX1/SIX2同源域热点突变Q177R、DROSHA/DGCR8/DICER1/DIS3L2等微处理器基因突变以及IGF2、MYCN、T

基本信息
资源简介
SIX1/2通路与DROSHA/DGCR8 miRNA微处理器复合体突变驱动高危胚芽型Wilms瘤
该数据集聚焦化疗后儿童Wilms瘤(肾母细胞瘤)中预后不良的胚芽型亚组,通过对58例胚芽型Wilms瘤进行外显子与转录组测序,并在大型独立复制队列中验证,识别出SIX1/SIX2同源域热点突变Q177R、DROSHA/DGCR8/DICER1/DIS3L2等微处理器基因突变以及IGF2、MYCN、TP53改变,其中TP53改变与不良结局强相关。数据可用于研究该亚组的肿瘤生物学、miRNA表达调控及预后相关分子标志物(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):化疗后儿童Wilms瘤(肾母细胞瘤)中的胚芽型组织学与不良预后相关。为揭示该患者亚组背后的肿瘤生物学并寻找新的治疗线索,我们通过外显子组和转录组测序分析了58例胚芽型Wilms瘤,并在一个大型独立复制队列中验证了我们的发现。在具有高增殖潜能的肿瘤中,以体细胞或生殖细胞方式识别出的复发性突变包括SIX1和SIX2同源域中的热点突变(Q177R)、DROSHA、DGCR8、DICER1和DIS3L2等微处理器基因的突变,以及IGF2、MYCN和TP53的改变,其中后者与不良结局强相关。DROSHA和DGCR8突变对肿瘤中的miRNA表达模式有强烈影响,并在转染突变型DROSHA的细胞系中进行了功能验证。
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-60081
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/biostudies-arrayexpress/E-GEOD-60081
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
接受化疗的儿童Wilms瘤(肾母细胞瘤)中,胚芽型组织学与不良预后相关。为揭示该患者亚群潜在的肿瘤生物学特征并寻找新的治疗线索,我们通过外显子组和转录组测序分析了58例胚芽型Wilms瘤,并在一个大型独立复制队列中验证了我们的发现。所识别的复发突变(包括体细胞突变和生殖系突变)包括:在高增殖潜能肿瘤中SIX1和SIX2同源结构域的热点突变(Q177R)、微处理器基因如DROSHA、DGCR8、DICER1和DIS3L2的突变,以及IGF2、MYCN和TP53的改变,其中TP53改变与极差预后强烈相关。DROSHA和DGCR8突变对肿瘤中miRNA表达模式有强烈影响,并在转染突变型DROSHA的细胞系中进行了功能验证。共分析样本16例,每例均作为技术重复进行。
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。




