软组织肉瘤特异性转录组学模型用于预测放射抗性的识别与验证
该数据集包含软组织肉瘤细胞系的转录组测序数据以及来自TCGA的肉瘤患者临床转录组数据，主要数据模态为基因表达文本数据。研究通过整合实验细胞系与临床队列的差异表达基因，构建了一个包含七个关键基因的放射抗性预测模型（STS-RRI），旨在为软组织肉瘤患者的放疗反应预测提供更精准的转录组学工具，并验证其优于现有放射敏感性指数（RSI）的预测性能。
基本信息
资源简介
软组织肉瘤特异性转录组学模型用于预测放射抗性的识别与验证
【数据集背景】
本数据集源站标题为《Identification and validation of soft tissue sarcoma-specific transcriptomic model for predicting radioresistance》。配套论文《Identification and validation of soft tissue sarcoma-specific transcriptomic model for predicting radioresistance》发表于 International Journal of Radiation Biology（2025），DOI：10.1080/09553002.2024.2447509。项目资助方：This research was supported by the National Research Foundation (NRF) funded by the Korean government (MSIT) (No. 2021R1F1A1060222) and the Bio & Medical Technology Development Program of the NRF funded by the Korean government (MSIT) (No. RS-2023-00222838).。源站首次发布：2025-01-10。
【数据内容】
源站原始描述：We aimed to identify the transcriptomic signatures of soft tissue sarcoma (STS) related to radioresistance and establish a model to predict radioresistance. Nine STS cell lines were cultured. Adenosine triphosphate-based viability was determined 5 days after irradiation with 8 Gy of X-rays in a single fraction. Radiosensitive and radioresistant groups were stratified according to the survival rates. Whole transcriptomic sequencing analysis was performed and differentially expressed genes (DEGs)…
【数据结构与技术规格】
文件数 1 个，合计 24.41 KB。irab_a_2447509_sm3927.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，24.41 KB。数据集 DOI：10.6084/m9.figshare.28187886.v1。
【主题与分类】
源站学科分类：Biochemistry、Medicine、Ecology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer。主题标签：Radiotherapy、response、gene expression profiling、sarcoma、in vitro。
【适用方向】
源站学科分类标注为 Biochemistry、Medicine、Ecology、Biological Sciences not elsewhere classified、Mathematical Sciences not elsewhere classified、Cancer。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Identification_and_validation_of_soft_tissue_sarcoma-specific_transcriptomic_model_for_predicting_radioresistance/28187886
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Identification and validation of soft tissue sarcoma-specific transcriptomic model for predicting radioresistance. Taylor & Francis. Moon, Jae Yun; Park, Jae Berm; Lee, Kyo Won; Park, Daechan; Yoo, Gyu Sang; Choi, Changhoon; et al
【使用注意】
· 源站最后修改于 2025-07-24，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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集旨在识别与放射抗性相关的软组织肉瘤（STS）转录组学特征，并建立一个预测放射抗性的模型。研究首先培养了9个STS细胞系，通过X射线照射后测定细胞存活率，将细胞分为放射敏感组和放射抗性组。随后进行全转录组测序分析，识别两组间的差异表达基因（DEGs）。为构建预测模型，研究使用了来自癌症基因组图谱（TCGA）的59例肉瘤患者队列数据，根据放疗最佳反应将患者分为应答者和非应答者组，并识别其DEGs。通过整合细胞系和TCGA数据中的重叠DEGs，采用线性回归方法建立了一个名为STS特异性放射抗性指数（STS-RRI）的公式。该模型包含MYO16、MYH11、KCTD16、SYNPO2、MYPN、PCSK6和LTK七个基因，其预测性能在TCGA队列中优于先前建立的放射敏感性指数（RSI），能够显著区分患者的无进展生存期。
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。
