肢端黑色素瘤整合分子与临床分析数据集
该数据集来自 NCBI GEO(GSE190113),聚焦肢端黑色素瘤的整合分子与临床分析,包含 1 个表达谱矩阵文件,基于高通量测序平台 GPL16791 对人类(9606)样本进行表达谱分析

基本信息
资源简介
肢端黑色素瘤整合分子与临床分析数据集
Integrative Molecular and Clinical Profiling of Acral Melanoma Identifies LZTR1 as a Key Tumor Promoter and Therapeutic Target
该数据集来自 NCBI GEO(GSE190113),聚焦肢端黑色素瘤的整合分子与临床分析,包含 1 个表达谱矩阵文件,基于高通量测序平台 GPL16791 对人类(9606)样本进行表达谱分析。数据可用于探索肢端黑色素瘤的分子驱动因素、预后相关标志物及潜在治疗靶点,支持肿瘤分类与分子机制研究(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):肢端黑色素瘤是非高加索人群中最常见的黑色素瘤亚型,与不良预后相关。然而,其关键分子驱动因素仍不清楚。在此,我们对在北美或中国接受治疗的 104 例患者的肢端黑色素瘤进行了整合基因组和临床分析。我们发现,细胞遗传带 chr22q11.21 的复发性、晚期出现的扩增是预后较差的主要决定因素,与转移密切相关,并与对免疫检查点阻断应答相关的免疫调节基因下调有关。出乎意料的是,LZTR1——在其他癌症中已知的肿瘤抑制因子——是该细胞遗传带中的关键候选癌基因。在黑色素瘤细胞系中沉默 LZTR1 会导致凋亡性细胞死亡,且不依赖于主要热点突变或黑色素瘤亚型。相反,在正常人黑色素细胞中过表达 LZTR1 会引发
【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:GPL16791、9606。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE190113
【使用注意】
· 源站最后修改于 Mar 15 202,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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE190113
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
肢端黑色素瘤是非高加索人群中最为常见的黑色素瘤亚型,与不良预后相关。然而,其关键分子驱动因素仍不清楚。在此,我们对来自北美或中国接受治疗的104例患者队列的肢端黑色素瘤进行了整合基因组和临床分析。我们发现,细胞遗传带chr22q11.21的反复性、晚期出现的扩增是导致较差生存的主要决定因素,与转移密切相关,并与对免疫检查点阻断应答相关的免疫调节基因下调有关。出乎意料的是,LZTR1——在其他癌症中已知的肿瘤抑制因子——是该细胞遗传带中的关键候选癌基因。在黑色素瘤细胞系中沉默LZTR1可引起凋亡性细胞死亡,且不依赖于主要热点突变或黑色素瘤亚型。相反,在正常人黑素细胞中过表达LZTR1可启动与转移相关的过程,包括锚定非依赖性生长、球体形成以及MAPK和SRC活性水平升高。我们的结果为肢端黑色素瘤的病因学提供了新的见解,并表明LZTR1是关键肿瘤促进因子和治疗靶点。
关键词:高通量测序表达谱分析
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。




