GSE6250:病变与正常组织来源前列腺基质细胞的差异基因表达

该数据集来自 NCBI GEO,收录了 18 例成人前列腺基质细胞培养物的 cDNA 微阵列表达谱,样本覆盖正常移行区、正常外周区、良性前列腺增生和前列腺癌四种组织来源

geo
浏览 2
基因组分类Expression profiling by arrayGPL45419606
GSE6250: Distinctive gene expression of prostatic stromal cells cultured from diseased versus normal tissues

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-23

资源简介

GSE6250:病变与正常组织来源前列腺基质细胞的差异基因表达

Distinctive gene expression of prostatic stromal cells cultured from diseased versus normal tissues

该数据集来自 NCBI GEO,收录了 18 例成人前列腺基质细胞培养物的 cDNA 微阵列表达谱,样本覆盖正常移行区、正常外周区、良性前列腺增生和前列腺癌四种组织来源。数据可用于比较不同组织病理来源的前列腺基质细胞转录程序差异,支持前列腺癌与良性前列腺增生相关基因表达特征的分析与分类研究(来源 NCBI)。

【数据集背景】

源站首次发布:Nov 08 200。

【数据内容】

源站描述(机器翻译,仅供参考):为了全面了解不同组织学/病理学来源的前列腺基质细胞中的转录程序,我们使用 cDNA 微阵列对来自正常移行区(TZ)、正常外周区(PZ)、良性前列腺增生(BPH)和前列腺癌(CA)的 18 例成人人类基质细胞培养物进行了表达谱分析。

【数据结构与技术规格】

文件数 1 个,合计 0 B。

【主题与分类】

主题标签:Expression profiling by array、GPL4541、9606。本站分类:肿瘤/前列腺癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE6250

【使用注意】

· 源站最后修改于 Mar 16 201,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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE6250

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

为了全面了解不同组织学/病理学来源的前列腺基质细胞中的转录程序,我们使用cDNA微阵列对来自正常移行区(TZ)、正常外周区(PZ)、良性前列腺增生(BPH)和前列腺癌(CA)的18例成人基质细胞培养物进行了表达谱分析。该阵列集按共同的生物学背景(如生物体、肿瘤类型、过程等)组织。关键词:逻辑集

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