非黑色素细胞性皮肤癌中SMAD4甲基化与表达水平及SMAD4蛋白阳性
该数据集来自clinicaltrials.gov,聚焦非黑色素细胞性皮肤癌(含基底细胞癌)中SMAD4的甲基化与表达水平及SMAD4蛋白阳性

基本信息
资源简介
非黑色素细胞性皮肤癌中SMAD4甲基化与表达水平及SMAD4蛋白阳性
该数据集来自clinicaltrials.gov,聚焦非黑色素细胞性皮肤癌(含基底细胞癌)中SMAD4的甲基化与表达水平及SMAD4蛋白阳性。非黑色素细胞性皮肤癌是全球最常见的癌症类型,环境因素如紫外线和吸烟在其发生中受到重视。表观遗传修饰如DNA甲基化在癌变、癌症进展和转移中起重要作用,TGF-β/SMAD4通路具有肿瘤抑制功能,其表观遗传改变可导致表达下降并引发不同癌症。目前尚无研究显示非黑色素细胞性皮肤癌与SMAD4甲基化之间的表观遗传关系,该研究旨在展示癌组织中SMAD4甲基化与SMAD4 RNA表达水平的变化(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:基底细胞癌。非黑色素细胞性皮肤癌是全球最常见的癌症类型。在这种癌症类型的发展中,紫外线和吸烟等环境因素受到强调。表观遗传学是由于环境因素而发展并可以遗传的遗传状况。DNA甲基化等表观遗传修饰在癌变、癌症进展和转移中起着不可或缺的作用。TGF-/SMAD4通路在癌症发病机制中起肿瘤抑制作用。该通路的表观遗传变化也会导致表达水平下降,从而引发不同类型的癌症。然而,尚无研究表明非黑色素细胞性皮肤癌与SMAD4甲基化之间的表观遗传关系。在我们计划的这项研究中,旨在展示癌组织中SMAD4甲基化和SMAD4 RNA表达水平的变化。此外,它
【主题与分类】
主题标签:Basal Cell Carcinoma。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04759261
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://clinicaltrials.gov/study/NCT04759261
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
疾病:基底细胞癌。非黑色素细胞性皮肤癌是全球最常见的癌症类型。在该癌症类型的发展中,紫外线和吸烟等环境因素受到重视。表观遗传学是由于环境因素而发生并可遗传的遗传状况。DNA甲基化等表观遗传修饰在癌变、癌症进展和转移中发挥着不可或缺的作用。TGF-/SMAD4通路在癌症发病机制中发挥肿瘤抑制作用。该通路的表观遗传改变也会导致表达水平下降,从而引发不同类型的癌症。然而,尚无研究表明非黑色素细胞性皮肤癌与SMAD4甲基化之间的表观遗传关系。在我们计划的这项研究中,旨在展示癌组织中SMAD4甲基化和SMAD4 RNA表达水平的变化。此外,还计划测量非黑色素细胞性癌症中SMAD4蛋白阳性率,作为免疫组化标志物。
在此背景下,本研究将纳入60名就诊于Trakya大学皮肤科与性病门诊、经临床和皮肤镜诊断为非黑色素细胞性皮肤癌的患者。将从患者癌变皮肤和完整皮肤获取的组织材料,在Trakya大学医学生物物理与医学病理实验室经过多个步骤进行检测。我们的项目是首个针对此课题的研究,其特点在于涵盖所有非黑色素细胞性皮肤癌、使用人体组织且样本量较大。此外,借助将获得的数据,我们认为,进一步阐明SMAD4在非黑色素细胞性癌症中的作用,以及在未来研究中将SMAD4同时用作预后因素和免疫组化标志物,将推动本研究的进展。同样,我们预期通过这一途径能够开发出不同的治疗方式,并设计出不同的功能研究。
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。




