Marjolin溃疡原位靶向基因表达分析数据集
该数据集来自 NCBI,聚焦 Marjolin 溃疡(一种发生于陈旧瘢痕或慢性创面的罕见侵袭性皮肤恶性肿瘤)的原位靶向基因表达分析

基本信息
资源简介
Marjolin溃疡原位靶向基因表达分析数据集
In situ targeted gene expression analysis of Marjolin ulcers
该数据集来自 NCBI,聚焦 Marjolin 溃疡(一种发生于陈旧瘢痕或慢性创面的罕见侵袭性皮肤恶性肿瘤)的原位靶向基因表达分析。数据覆盖鳞状细胞癌等组织学类型,可用于探索该类肿瘤的基因表达特征及相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 22 202。
【数据内容】
源站描述(机器翻译,仅供参考):Marjolin溃疡是一种罕见且侵袭性的皮肤恶性肿瘤,可发生于既往受伤的皮肤、已形成的瘢痕和慢性不愈合创面。它最常发现于烧伤瘢痕,但也可见于其他类型的创面,包括静脉淤滞性溃疡、压疮和疫苗接种部位。Marjolin溃疡最常见的组织学类型是鳞状细胞癌,但也有基底细胞癌、恶性黑色素瘤和肉瘤的报道。身体所有部位均可能受累,但下肢是最常受累的解剖部位。虽然鳞状细胞癌的转移率通常为0.5%至3.0%,但起源于烧伤瘢痕者转移率超过30%。诊断为Marjolin溃疡后的5年生存率为50%。向恶性肿瘤的转化可以发生……
【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:Other、GPL33762、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=GSE251937
【使用注意】
· 源站最后修改于 Oct 20 202,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=GSE251937
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
马乔林溃疡是一种罕见且侵袭性强的皮肤恶性肿瘤,可发生于既往受伤的皮肤、已形成的瘢痕以及慢性不愈合的伤口上。它最常见于烧伤瘢痕,但也可见于其他类型的伤口,包括静脉淤滞性溃疡、压疮和疫苗接种部位。马乔林溃疡最常见的组织学类型是鳞状细胞癌,但也有基底细胞癌、恶性黑色素瘤和肉瘤的报道。身体各部位均可能受累,但下肢是最常受累的解剖部位。鳞状细胞癌的转移率通常为0.5%至3.0%,而源于烧伤瘢痕者转移率超过30%。马乔林溃疡诊断后的5年生存率为50%。恶变可呈慢性过程,历时超过35年,偶尔也可在原始损伤后一年内发生。这种转变的确切机制尚未完全明了,但被认为与严重烧伤创面愈合过程中慢性角质形成细胞功能障碍有关。
手术切除是Marjolin溃疡的主要治疗方法,并提供最佳的生存机会。在先前的研究中,我们通过比较鳞状细胞癌中存在的鳞状细胞与Marjolin溃疡(MU)中存在的鳞状细胞之间的全局基因表达变化,研究了导致Marjolin溃疡的整体转录变化(Sinha等,JBCR 2017)。这为这些皮肤癌不同临床特征背后的机制提供了新的见解。我们当前研究的目标是通过分析烧伤瘢痕内与Marjolin溃疡内的细胞类型、其频率及其个体转录反应,来表征我们照护下的一位患者的新发Marjolin溃疡病例。为实现这一目标,我们对两个e进行了单细胞RNA测序
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。




