恶性周围神经鞘瘤通路干预表达谱数据集

包含MPNST细胞系及正常施旺细胞在不同通路干预条件下的表达谱数据,用于信号通路分析。由Wayne State University提供,来自Gene Expression Omnibus,数据格式为表格,包含24条数据记录,适用于分类任务,专注于肿瘤领域的神经鞘瘤研究。

Wayne State UniversityWayne State University
Gene Expression Omnibus
2018-02-22 更新
浏览 31
表格分类Expression profiling by arrayGPL41339606
GSE39764

基本信息

模态
表格
大小
0.32 GB
数据量
24
任务类型
分类
创建/更新时间
2018-02-22

资源简介

恶性周围神经鞘瘤通路干预表达谱数据集

【数据集背景】

本数据集源站标题为《Gene profiles of pathway interference downstream neurofibromin signaling》。源站首次发布:Jul 31 201。

【数据内容】

源站原始描述:Malignant peripheral nerve sheath tumor (MPNST) is a type of soft tissue sarcoma that occurs in carriers of mutations in the neurofibromatosis type I gene (Nf1) as well as sporadically. Plexiform neurofibromas in NF1 patients have a significant risk of developing into MPNSTs leading to increased morbidity and mortality from this syndrome. Surgery is the primary intervention but it is not always effective due to the tendency of MPNSTs to infiltrate the surrounding tissue or grow in an inoperable…

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Expression profiling by array、GPL4133、9606。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE39764

【使用注意】

· 源站最后修改于 Feb 22 201,引用时请注意版本时效。

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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE39764

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。

数据集大小约 0.32 GB。

数据说明

包含MPNST细胞系及正常施旺细胞在不同通路干预条件下的表达谱数据,用于信号通路分析。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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