Syntenin-1在葡萄膜黑色素瘤中的表达及其与转移进展的相关性
该数据集来自omicsdi.org,主题为葡萄膜黑色素瘤中Syntenin-1的表达及其与转移进展的相关性,归类于肿瘤/皮肤癌,主题标签为Transcriptomics

基本信息
资源简介
Syntenin-1在葡萄膜黑色素瘤中的表达及其与转移进展的相关性
该数据集来自omicsdi.org,主题为葡萄膜黑色素瘤中Syntenin-1的表达及其与转移进展的相关性,归类于肿瘤/皮肤癌,主题标签为Transcriptomics。源站描述显示,对原发性人葡萄膜黑色素瘤的基因表达谱分析发现SDCBP高表达,且在复发患者中更高,而syndecans表达较低且与进展无关;SDCBP高表达还与另外两个独立葡萄膜黑色素瘤患者数据集中的转移进展相关,免疫组化显示原发肿瘤中syntenin-1蛋白高表达与转移复发显著相关。该数据可用于研究葡萄膜黑色素瘤转移风险的基因表达特征与预测(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):葡萄膜黑色素瘤是一种侵袭性癌症,约一半患者会发生肝转移,此时几乎总是致命的。识别高转移风险患者可能为频繁随访以早期发现转移和治疗提供指征。对原发性人葡萄膜黑色素瘤的基因表达谱分析显示,SDCBP(编码syndecan结合蛋白-1或syntenin-1)高表达,在复发患者中似乎更高,而syndecans的表达较低且与进展无关。此外,我们发现SDCBP基因高表达与另外两个独立的葡萄膜黑色素瘤患者数据集中的转移进展相关。更重要的是,免疫组化显示原发肿瘤中syntenin-1蛋白高表达与转移复发显著相关。
【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-27831
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-27831
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
葡萄膜黑色素瘤是一种侵袭性癌症,约半数患者会发生肝转移,此时几乎总是致命的。识别高转移风险的患者可能为频繁随访以早期发现转移和治疗提供指征。对原发性人葡萄膜黑色素瘤的基因表达谱分析显示,SDCBP(编码syndecan结合蛋白-1或syntenin-1)高表达,在复发患者中表达更高,而syndecan的表达较低且与疾病进展无关。此外,我们在另外两个独立的葡萄膜黑色素瘤患者数据集中发现,SDCBP基因的高表达与转移进展相关。更重要的是,免疫组织化学显示,在我们队列的患者中,原发肿瘤中syntenin-1蛋白的高表达与转移复发显著相关。在培养的葡萄膜黑色素瘤细胞或原发肿瘤中,通过RT-PCR、免疫荧光和免疫组织化学证实了syntenin-1的表达。
在NOD/SCID/IL2R null小鼠中建立了一种葡萄膜黑色素瘤向肝脏的假转移模型,对原发灶和转移灶中syntenin-1表达的研究显示,转移灶中syntenin-1表达更高。通过siRNA抑制SDCBP表达,损害了葡萄膜黑色素瘤细胞在划痕愈合实验中的迁移能力。这些结果表明,SDCBP参与葡萄膜黑色素瘤的进展,并且是转移的候选分子标志物和潜在的治疗靶点。测量了来自葡萄膜黑色素瘤患者的29个独特样本的基因表达谱。
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。




