Nectin-4 PET预测enfortumab vedotin在尿路上皮癌中的剂量反应
该数据集围绕利用靶向Nectin-4的PET成像无创量化抗体偶联药物enfortumab vedotin(EV)与尿路上皮癌肿瘤的实时相互作用展开

基本信息
资源简介
Nectin-4 PET预测enfortumab vedotin在尿路上皮癌中的剂量反应
Nectin-4 PET for predicting enfortumab vedotin dose-response in urothelial carcinoma
该数据集围绕利用靶向Nectin-4的PET成像无创量化抗体偶联药物enfortumab vedotin(EV)与尿路上皮癌肿瘤的实时相互作用展开。研究使用显像剂[68Ga]AJ647,在临床前模型中测量EV与Nectin-4结合的动态变化,并与治疗反应相关联。PET成像可识别Nectin-4结合的剂量依赖性变化,且所测靶点结合比药物剂量或基线靶点表达更可靠地预测治疗结果。数据可用于评估ADC剂量策略、预测疗效及研究Nectin-4靶向成像(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):优化给药策略对于平衡有效性和毒性至关重要,尤其是对于治疗窗窄的药物,如抗体偶联药物(ADC)。本研究评估靶向Nectin-4的正电子发射断层扫描(PET)成像能否无创量化抗体偶联药物enfortumab vedotin(EV)与尿路上皮癌(UC)肿瘤的实时相互作用。使用显像剂[68Ga]AJ647,在临床前模型中测量EV与Necin-4相互作用的动态变化,并与治疗反应相关联。PET成像识别出Nectin-4结合的剂量依赖性变化,次优EV剂量导致Nectin-4结合不完全和肿瘤生长增加。关键的是,PET测量的靶点结合比药物剂量或基线靶点表达更可靠地预测治疗结果。通过定义有效ta
【主题与分类】
主题标签:PET imaging、ADC、Bladder cancer、Nectin-4。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A31c5ebef2e4e2c3a99f65c2933a5213324e908aa3713aa3d191ee206bff02f9d
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
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
优化给药策略对于平衡疗效与毒性至关重要,尤其是对于治疗窗狭窄的药物,如抗体药物偶联物(ADC)。本研究评估了靶向Nectin-4的正电子发射断层扫描(PET)成像能否无创地定量检测抗体药物偶联物enfortumab vedotin(EV)与尿路上皮癌(UC)肿瘤的实时相互作用。利用显像剂[68Ga]AJ647,在多种临床前模型中测量了EV与Nectin-4相互作用的动态变化,并与治疗反应进行相关性分析。PET成像识别出Nectin-4结合具有剂量依赖性变化,次优的EV剂量导致Nectin-4结合不完全及肿瘤生长增加。至关重要的是,PET测得的靶点结合比药物剂量或基线靶点表达更可靠地预测了治疗结局。
通过定义实现最佳治疗结果所需的有效靶点结合水平,PET成像提供了一个明确的基准……,# 用于预测enfortumab vedotin在尿路上皮癌中剂量反应的Nectin-4 PET 数据集DOI:10.5061/dryad.612jm64jr ## 概述 本README概述了上传至Dryad的、题为“用于预测enfortumab vedotin在尿路上皮癌中剂量反应的Nectin-4 PET”研究的文件内容。所有必需文件均包含在zip文件“ROC_Curves_and_Response_prediction.zip”中。 ### 1. 数据文件:20240502_responder_prediction.xlsx * 描述: 该文件包含临床前小鼠模型随时间变化的肿瘤体积(mm3)测量值,其结构旨在使用改良的RECIST标准预测反应。 * 文件结构: * 除第一列外,每一列代表一只单独的小鼠。 * 第一列包含天数编号,第一行标识小鼠ID。 * 变量: * Day(第1列): 肿瘤体积测量的时间点。肿瘤体积的单位为mm3。 * Mouse IDs(第1行): I
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。




