唾液腺癌类器官用于临床前基因型导向精准医学试验验证的数据集
包含2例唾液腺癌患者类器官、单层培养细胞及原始肿瘤的转录组测序数据，用于基因表达比较和精准医学验证。
基本信息
资源简介
唾液腺癌类器官用于临床前基因型导向精准医学试验验证的数据集
【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 GPL24676、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《Salivary gland cancer organoids are valid for preclinical genotype-oriented medical precision trials》。源站首次发布：Jan 23 202。
【数据内容】
源站原始描述：We established patient-derived organoids and monolayer culture cells from the salivary gland cancer cases. To compare the RNA profiles of primary culture cells (Organoids and monolayer culture cells) and their parental tumors, we isolated total RNA from 2 cases of the salivary gland cancer and performed transcriptome sequencing for the organoids, monolayer culture cells, and their parental tumors of both cases. Case 6 is a case of adenoid cystic carcinoma and Case 11 is a case of salivary duct c…
中文译文（机器翻译，仅供快速理解，请以原文为准）：我们从涎腺癌病例中建立了患者来源类器官和单层培养细胞。为了比较原代培养细胞（类器官和单层培养细胞）与其亲本肿瘤的RNA谱，我们从2例涎腺癌中提取了总RNA，并对两例的类器官、单层培养细胞及其亲本肿瘤进行了转录组测序。病例6为腺样囊性癌，病例11为涎腺导管癌。
【数据结构与技术规格】
文件数 1 个。
【主题与分类】
主题标签：GPL24676、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=GSE223554
【使用注意】
· 源站最后修改于 Jul 28 202，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=GSE223554
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。
