IGR37黑色素瘤细胞在DMEM或转至MEM后的基因表达

该数据集来自NCBI,收录IGR37黑色素瘤细胞在营养丰富的DMEM培养基中生长以及转至MEM培养基后的基因表达谱,采用表达谱芯片检测,仅含1个文件(GSE77655_series_matrix.txt.gz)

geo
浏览 11
时间序列分类Expression profiling by arrayGPL105589606
GSE77655: Gene expression in IGR37 melanoma cells grown in DMEM or after transfer to MEM

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-17

资源简介

IGR37黑色素瘤细胞在DMEM或转至MEM后的基因表达

Gene expression in IGR37 melanoma cells grown in DMEM or after transfer to MEM

该数据集来自NCBI,收录IGR37黑色素瘤细胞在营养丰富的DMEM培养基中生长以及转至MEM培养基后的基因表达谱,采用表达谱芯片检测,仅含1个文件(GSE77655_series_matrix.txt.gz)。研究通过比较不同培养条件下的基因表达差异,生成与人类黑色素瘤去分化、侵袭性和耐药性相关的基因表达特征,可用于探索培养条件对黑色素瘤细胞基因表达的影响及转移相关机制(来源 NCBI)。

【数据集背景】

源站首次发布:Feb 08 201。

【数据内容】

源站描述(机器翻译,仅供参考):癌症死亡的主要原因在于转移。虽然研究已鉴定出多种驱动侵袭性的信号,但作为转移定植的第一步,细胞离开原发肿瘤的原因仍不太清楚。此处呈现的数据集通过比较黑色素瘤细胞系在营养丰富的DMEM与MEM中的表达,考察不同培养条件对基因表达的影响。结果被用于生成一种基因表达特征,该特征在人类黑色素瘤中与去分化、侵袭性和耐药性相关。

【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、GPL10558、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=GSE77655

【使用注意】

· 源站最后修改于 Aug 13 201,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=GSE77655

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

癌症死亡的主要原因在于转移。尽管研究已识别出多种驱动侵袭性的信号,但转移定植的第一步——细胞离开原发肿瘤的原因,仍不甚明了。本文所呈现的数据集通过比较黑色素瘤细胞系在营养丰富的DMEM与MEM中的表达,探究了不同培养条件对基因表达的影响。这些结果被用于生成一个基因表达特征,该特征在人类黑色素瘤中与去分化、侵袭性和耐药性相关。

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