癌前皮肤病变恶性转化中的代谢变化研究

该数据集来自 clinicaltrials.gov,聚焦癌前皮肤病变向皮肤鳞状细胞癌(cSCC)恶性转化过程中的能量代谢变化,同时涉及基底细胞癌

University Hospital, BordeauxUniversity Hospital, Bordeaux
clinicaltrials
浏览 16
蛋白质预测Cutaneous Squamous Cell CarcinomaBasal Cell Carcinomas
Study of Metabolic Changes in the Transformation Malignant Precancerous Skin Lesions

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2026-10-07

资源简介

癌前皮肤病变恶性转化中的代谢变化研究

该数据集来自 clinicaltrials.gov,聚焦癌前皮肤病变向皮肤鳞状细胞癌(cSCC)恶性转化过程中的能量代谢变化,同时涉及基底细胞癌。研究通过定量蛋白质组学方法,探索特定代谢改变是否先于 cSCC 出现,并分析能量代谢在癌前病变恶变及 cSCC 进展中的作用,及其与临床特征和转移结局的相关性。数据可用于研究代谢重编程与肿瘤发生的关系,并评估靶向能量代谢作为治疗手段的潜力(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:皮肤鳞状细胞癌、基底细胞癌。尽管越来越多的证据表明生物能量代谢在肿瘤发生进展中起重要作用,但关于能量代谢重编程在癌症起始中的贡献以及它如何进一步影响肿瘤生物能量行为的信息很少。通过应用定量蛋白质组学方法,该联盟最近发现特定的代谢改变先于 cSCC 出现。本研究将探讨能量代谢在癌前皮肤病变恶性转化为 cSCC 以及 cSCC 进展中的作用,并与临床特征和转移结局相关联。研究团队将使用多种前沿技术在人类样本中评估靶向能量代谢是否有可能被用作治愈性治疗 f

【主题与分类】

主题标签:Cutaneous Squamous Cell Carcinoma、Basal Cell Carcinomas。本站分类:肿瘤。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT04389112

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://clinicaltrials.gov/study/NCT04389112

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

疾病:皮肤鳞状细胞癌、基底细胞癌。尽管越来越多的证据表明,生物能量代谢在肿瘤发生进展中发挥重要作用,但关于能量代谢重编程在癌症起始中的贡献及其如何进一步影响肿瘤生物能量行为的信息却很少。通过应用定量蛋白质组学方法,该联盟最近发现,特定的代谢改变先于cSCC出现。本研究将探讨能量代谢在癌前皮肤病变恶性转化为cSCC以及cSCC进展中的作用,并与临床特征和转移结局相关联。利用多种前沿技术对人类样本进行研究,团队将评估靶向能量代谢是否有可能用作cSCC的治愈性治疗,以及预先确定的代谢改变是否可被开发为新的预防策略。这些能量代谢的改变可用作预后和诊断生物标志物。

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