晚期胰腺癌NABPLAGEM临床试验基因组数据集
基于NABPLAGEM临床试验的胰腺癌基因组数据集，包含DNA含量流式细胞术、全基因组拷贝数变异和测序数据，用于识别影响治疗反应的体细胞基因组病变。
基本信息
资源简介
晚期胰腺癌NABPLAGEM临床试验基因组数据集
【一句话概览】
本数据集是 NCBI 公开的组学数据集，收录 1 个文件，主题涵盖 Genome variation profiling by array、GPL19387、9606，可用于生物标志物发现与分子分型研究。
【数据集背景】
本数据集源站标题为《Phase II Clinical Trial of Nab-Paclitaxel (NAB)Plus Cisplatin (PLA) Plus Gemcitabine (GEM) (NABPLAGEM) in Patients with Untreated Advanced Pancreatic Cancer.》。源站首次发布：May 30 202。
【数据内容】
源站原始描述：We applied DNA content flow cytometry to pancreatic ductal adenocarcinoma (PDAC) biopsies. We interrogated purified sorted tumor fractions with whole genome copy number variant (CNV) and next generation sequencing (NGS) analyses. These identified a variety of somatic genomic lesions targeting genes and cellular pathways in PDAC. Of significant interest are lesions that may affect responses to therapies
中文译文（机器翻译，仅供快速理解，请以原文为准）：我们将DNA含量流式细胞术应用于胰腺导管腺癌（PDAC）活检样本。我们通过全基因组拷贝数变异（CNV）和下一代测序（NGS）分析，对纯化分选后的肿瘤组分进行了检测。这些分析发现了多种靶向PDAC中基因和细胞通路的体细胞基因组病变。其中特别值得关注的是可能影响治疗反应的病变。
【数据结构与技术规格】
文件数 1 个。
【主题与分类】
主题标签：Genome variation profiling by array、GPL19387、9606。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE233746
【使用注意】
· 源站最后修改于 Jun 30 202，引用时请注意版本时效。
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=GSE233746
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。
