前列腺癌中与ERG共表达的基因
该数据集来自 omicsdi.org，聚焦前列腺癌中与 ERG 过表达共表达的基因，属于肿瘤/前列腺癌分类下的转录组学主题数据
基本信息
资源简介
前列腺癌中与ERG共表达的基因
该数据集聚焦前列腺癌中与 ERG 过表达共表达的基因，属于肿瘤/前列腺癌分类下的转录组学主题数据，来源为 omicsdi.org。ERG 过表达是前列腺癌中最常见的分子改变，该研究通过分析前列腺癌不同阶段，识别与 ERG 过表达共表达的基因，并报告在原发性前列腺肿瘤中 TDRD1 表达是与 ERG 过表达相关性最强的基因，提示 TDRD1 可作为 ERG 的直接靶基因。数据集收录 48 例来自根治性前列腺切除术的前列腺癌样本，样本中癌组织占比超过 70%、间质组织占比低于 30%，每个样本分析一次。整体而言，该数据集为研究 ERG 过表达相关共表达网络及候选靶基因提供了转录组学层面的样本资源。
【数据集背景】
ERG 过表达是前列腺癌中最常见的分子改变。为理解这一分子改变在下游基因表达层面的影响，相关研究分析了前列腺癌的不同阶段，旨在识别与 ERG 过表达共表达的基因。研究在原发性前列腺肿瘤中发现，TDRD1 表达是与 ERG 过表达相关性最强的基因，并提出 TDRD1 可作为 ERG 的直接靶基因。该数据集即围绕这一研究目标组织，归入肿瘤/前列腺癌分类，主题标签为 Transcriptomics。
【数据内容】
数据集英文名为 Co-expression of genes with ERG in prostate cancers，内容涉及前列腺癌中与 ERG 过表达共表达的基因。研究覆盖前列腺癌的不同阶段，并报告了原发性前列腺肿瘤中 TDRD1 与 ERG 过表达的强相关性。数据集共包含 48 例前列腺癌样本，样本来自根治性前列腺切除术。关于具体检测平台、基因数量、表达矩阵格式等细节，源站未提供。
【采集与来源】
样本来源于根治性前列腺切除术，共 48 例前列腺癌样本。样本纳入时对组织构成有明确要求：癌组织占比超过 70%，间质组织占比低于 30%。每个样本分析一次。数据集来源站为 omicsdi.org。关于样本采集时间、随访信息、伦理审批等细节，源站未提供。
【适用场景】
该数据集适用于前列腺癌转录组学相关研究，尤其是围绕 ERG 过表达的下游共表达分析、候选靶基因筛选与验证，例如对 TDRD1 作为 ERG 直接靶基因这一线索的进一步探索。也可用于比较前列腺癌不同阶段中与 ERG 过表达共表达基因的差异。关于具体分析流程的适用性验证，源站未提供。
【使用方法】
源站未提供具体的使用方法说明，包括数据下载方式、文件格式、预处理步骤与分析工具等。
【质量与限制】
样本对癌组织与间质组织的比例设有纳入标准，即癌组织超过 70%、间质组织低于 30%，且每个样本分析一次。数据集样本量为 48 例。关于数据质量评估指标、批次效应、平台偏差及验证实验等限制信息，源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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-41408
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
ERG过表达是前列腺癌中最常见的分子改变。我们分析了前列腺癌的不同阶段，以识别与ERG过表达共表达的基因。在原发性前列腺肿瘤中，研究表明TDRD1表达是与ERG过表达相关性最强的基因，我们提出TDRD1是ERG的直接靶基因。本研究纳入了48例来自根治性前列腺切除术的前列腺癌样本。这些样本包含超过70%的癌组织和少于30%的间质组织。每个样本分析一次。
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。
