复发性黑色素瘤的遗传改变
该数据集来自 omicsdi.org,主题为复发性黑色素瘤的遗传改变,属于肿瘤/皮肤癌范畴,主题标签为 Transcriptomics

基本信息
资源简介
复发性黑色素瘤的遗传改变
该数据集来自 omicsdi.org,主题为复发性黑色素瘤的遗传改变,属于肿瘤/皮肤癌范畴,主题标签为 Transcriptomics。源站描述显示,研究通过比较自体克隆来源细胞系与异体黑色素瘤细胞系,结合 array Comparative Genomic Hybridization(aCGH)与基因表达谱分析,探讨遗传改变与疾病进展动态的关系。数据可用于研究转移性黑色素瘤进展中的基因组稳定性与表型差异,以及基因拷贝数变化与表达谱的关联分析(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):人们普遍认为人类癌症起源于一个突变的单细胞。然而,表征不同进展阶段的遗传步骤仍不清楚。通过研究一例独特的转移性黑色素瘤,我们观察到,尽管表型存在差异,但源自十多年间出现的异时转移的细胞系仍保留了遗传稳定性的核心。在本研究中,我们扩展了先前的观察,将这些克隆来源的自体细胞系与异体细胞系进行比较,并将 array Comparative Genomic Hybridization(aCGH)与基因表达谱分析相关联,以确定它们对疾病进展动态的相对贡献。对自体细胞系和源自其他患者的异体黑色素瘤细胞系进行了 aCGH 和基因表达谱分析。遗传改变的总范围之间存在显著相关性
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-8777
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-8777
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
一般认为,人类癌症起源于一个发生突变的单细胞。然而,表征不同进展阶段的遗传步骤仍不清楚。通过研究一例独特的转移性黑色素瘤病例,我们观察到,尽管表型存在差异,但源自十多年间相继出现的异时性转移灶的细胞系仍保留了一个遗传稳定性的核心。在本研究中,我们扩展了先前的观察结果,将这些克隆来源的自体细胞系与异体细胞系进行比较,并将阵列比较基因组杂交(aCGH)与基因表达谱分析相关联,以确定它们对疾病进展动态的相对贡献。我们对自体细胞系和源自其他患者的异体黑色素瘤细胞系进行了aCGH和基因表达谱分析。
遗传失衡的总范围、全局转录模式和细胞表型之间存在显著相关性;它们并不遵循严格的时间进程,而是独立地源于一个遗传稳定性的核心,该核心在多个时间点出现,最好根据癌症干细胞假说来解释;尽管它们的贡献相互交织,但可通过aCGH检测到的基因组失衡仅占决定自体肿瘤独特性的转录特征的25%。我们的研究为癌症进展的动态提供了重要见解,并支持开发针对稳定遗传因素的靶向抗癌疗法,这些因素决定每位患者疾病的个体性,并在疾病的终末阶段始终保持。关键词:遗传修饰设计 来自女性供体的PBMC经Ficoll梯度分离,并在整个研究中用作参考。阵列CGH准确性的验证通过获取来自女性供体的另外六份PBMC和来自男性供体的六份PBMC来完成,以确认常染色体中基因表示的稳定性以及性别决定的失衡在其中的稳定性。
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。




