胃癌:癌症 vs. 正常,与疾病进展时间相关的化疗耐药特征

该数据集来自 NCBI GEO(GSE30070),主题为胃癌组织与正常组织的 microRNA 表达谱比较,并包含与疾病进展时间相关的化疗耐药特征

geo
浏览 2
基因组分类Non-coding RNA profiling by arrayGPL137429606
GSE30070: Gastric cancer: cancer vs. normal, chemoresistance signature that correlates with time to progression of disease

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-23

资源简介

胃癌:癌症 vs. 正常,与疾病进展时间相关的化疗耐药特征

Gastric cancer: cancer vs. normal, chemoresistance signature that correlates with time to progression of disease

该数据集来自 NCBI GEO(GSE30070),主题为胃癌组织与正常组织的 microRNA 表达谱比较,并包含与疾病进展时间相关的化疗耐药特征。数据覆盖胃癌 vs. 正常样本,以及顺铂/氟尿嘧啶化疗前后样本的 microRNA 谱。数据以芯片表达矩阵形式提供,共 1 个文件(GSE30070_series_matrix.txt.gz),可用于胃癌分子分型、差异表达分析及化疗耐药相关特征研究(来源 NCBI)。

【数据集背景】

源站首次发布:Jun 17 201。

【数据内容】

源站描述(机器翻译,仅供参考):胃癌 vs. 正常组织及顺铂/氟尿嘧啶化疗前/后的 microRNA 表达谱分析。

【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:Non-coding RNA profiling by array、GPL13742、9606。本站分类:肿瘤/胃癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE30070

【使用注意】

· 源站最后修改于 Mar 23 201,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=GSE30070

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

胃癌与正常组织在CF(顺铂/氟尿嘧啶)化疗前/后的microRNA表达谱分析。化疗前,从90例接受CF治疗的胃癌患者及34名健康志愿者中采集活检样本。疾病进展时,从8例临床应答者中采集治疗后样本。使用定制设计的Agilent微阵列测定miRNA表达。为了识别化疗耐药的miRNA特征,我们将miRNA表达水平与CF治疗后的疾病进展时间(TTP)进行了相关性分析。

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