PRJDB17449：胃癌转移相关新基因鉴定
胃癌（GC）是全球癌症相关死亡的主要原因之一。据估计，全球每年新增约100万例GC病例，2018年报告死亡78.4万例。尽管早期GC可通过手术治愈，但转移性或复发性GC的预后仍然很差
基本信息
资源简介
PRJDB17449：胃癌转移相关新基因鉴定
PRJDB17449 是一项以“鉴定参与胃癌转移的新基因”为主题的数据集，归类于肿瘤领域的胃癌方向，来源站点为 ebi.ac.uk。该数据集围绕胃癌（GC）这一全球范围内癌症相关死亡的主要原因展开。据估计，全球每年新增约100万例胃癌病例，2018年报告死亡78.4万例。尽管早期胃癌可通过手术治愈，但转移性或复发性胃癌的预后仍然很差，控制不可切除性疾病成为改善胃癌患者预后的主要障碍。该数据集旨在从基因层面识别与胃癌转移相关的新基因，为理解转移机制和寻找潜在分子靶点提供数据基础。
【数据集背景】
胃癌是全球癌症相关死亡的主要原因之一，每年新增病例约100万例，2018年报告死亡78.4万例。早期胃癌可通过手术治愈，但转移性或复发性胃癌的预后仍然很差，控制不可切除性疾病是改善患者预后的主要难题。近年来，分子靶向抗体如曲妥珠单抗和曲妥珠单抗德鲁替康已用于HER阳性晚期胃癌的治疗；靶向T细胞抑制性程序性细胞死亡-1（PD-1）的抗体，如帕博利珠单抗和纳武利尤单抗，在微卫星高度不稳定状态的胃癌治疗中尤其具有前景。然而，这些亚组仅占胃癌的一小部分，因此迫切需要寻找其他可供阻断的分子靶点，以潜在延长患者生存。该数据集正是在这一背景下，聚焦于鉴定参与胃癌转移的新基因。
【数据内容】
该数据集的主题为鉴定参与胃癌转移的新基因，属于肿瘤/胃癌分类。源站描述中未提供具体的样本数量、基因列表、测序平台、数据文件类型或数据结构等细节，相关内容源站未提供。
【采集与来源】
该数据集来源于 ebi.ac.uk。源站描述中未提供样本采集方式、采集地点、采集时间、纳入排除标准或具体实验设计等信息，相关内容源站未提供。
【适用场景】
基于数据集主题，其适用场景涉及胃癌转移相关新基因的鉴定研究，可用于探索胃癌转移的分子机制以及潜在分子靶点的发现。源站描述中未提供该数据集具体的适用分析类型或应用范围，相关内容源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法、数据访问方式、预处理步骤或分析流程等信息。
【质量与限制】
源站未提供该数据集的质量评估信息、数据完整性说明或已知限制。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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://ebi.ac.uk/ena/browser/view/PRJDB17449
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
胃癌（GC）是全球癌症相关死亡的主要原因之一。据估计，每年新发GC病例约100万例，2018年报告死亡病例784,000例。尽管早期GC可通过手术治愈，但转移性或复发性GC的预后仍然很差。因此，控制不可切除的疾病是改善GC患者预后的主要障碍。近年来，曲妥珠单抗和曲妥珠单抗德鲁替康等分子靶向抗体已用于HER阳性晚期GC的治疗。靶向T细胞抑制性程序性细胞死亡-1（PD-1）的抗体，如帕博利珠单抗和纳武利尤单抗，尤其在微卫星不稳定性高状态GC的治疗中展现出前景。然而，这些亚组仅占GC的一小部分，迫切需要寻找其他分子靶点进行阻断，从而可能延长不可切除GC患者的生存期。本研究的目标是通过对转移性GC组织进行转录组分析来筛选新的GC相关基因，并鉴定参与GC转移的新基因。
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。
