激素难治性前列腺癌细胞的分子特征:全基因组基因表达谱

该数据集来自 NCBI GEO(GSE6811),包含 25 例临床激素难治性前列腺癌(HRPC)和 10 例激素敏感性前列腺癌(HSPC)的全基因组基因表达谱,采用 cDNA 微阵列结合激光显微切割技术生成

geo
浏览 3
医学影像分类Expression profiling by arrayGPL47479606
GSE6811: Molecular Features of Hormone-Refractory Prostate Cancer Cells by Genome-wide Gene-expression Profiles

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-10-23

资源简介

激素难治性前列腺癌细胞的分子特征:全基因组基因表达谱

Molecular Features of Hormone-Refractory Prostate Cancer Cells by Genome-wide Gene-expression Profiles

该数据集来自 NCBI GEO(GSE6811),包含 25 例临床激素难治性前列腺癌(HRPC)和 10 例激素敏感性前列腺癌(HSPC)的全基因组基因表达谱,采用 cDNA 微阵列结合激光显微切割技术生成。数据可用于比较 HRPC 与 HSPC 的转录组差异,识别与激素难治性相关的分子特征,并支持前列腺癌亚型分类研究(来源 NCBI)。

【数据集背景】

源站首次发布:Jan 19 200。

【数据内容】

源站描述(机器翻译,仅供参考):为了表征临床激素难治性前列腺癌(HRPC)的分子特征,我们通过全基因组 cDNA 微阵列结合激光显微切割技术,生成了 25 例临床 HRPC 和 10 例激素敏感性前列腺癌(HSPC)的精确基因表达谱。

【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、GPL4747、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=GSE6811

【使用注意】

· 源站最后修改于 Sep 19 201,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=GSE6811

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

为了表征临床激素难治性前列腺癌(HRPC)的分子特征,我们结合激光微束显微切割技术,利用全基因组cDNA微阵列,对25例临床HRPC和10例激素敏感性前列腺癌(HSPC)进行了精确的基因表达谱分析。关键词:疾病状态分析

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