七种miRNA组合作为预测II期和III期胃癌辅助化疗反应的稳健预测生物标志物

BioProject 是与单一计划相关的生物数据集合,来自单一组织或联盟。该记录为用户提供一个单一位置,以查找指向该项目所生成的不同数据类型链接(来源 NCBI)

sra
浏览 22
基因组预测Raw sequence reads
PRJNA1528503: Panel of seven-miRNA as a robust predictive biomarker to predict adjuvant chemotherapy response in stage II and III Gastric Cancer

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-20

资源简介

七种miRNA组合作为预测II期和III期胃癌辅助化疗反应的稳健预测生物标志物

ID 1528503 - BioProject - NCBI

NCBI 的 BioProject 记录 ID 1528503,标签为 Raw sequence reads。BioProject 是与单一计划相关的生物数据集合,来自单一组织或联盟。该记录为用户提供一个单一位置,以查找指向该项目所生成的不同数据类型链接(来源 NCBI)。

【数据内容】

源站描述(机器翻译,仅供参考):BioProject 是与单一研究计划相关的一组生物学数据,源自单一机构或一个联盟。BioProject 记录为用户提供了一个统一入口,以便找到指向该项目所生成的各种数据类型的链接。

【主题与分类】

主题标签:Raw sequence reads。本站分类:肿瘤/胃癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1528503

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/bioproject/PRJNA1528503

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

在全球范围内,胃癌(GC)在恶性肿瘤中排名第五,在死亡率中排名第四。大多数癌症患者确诊时已处于晚期,治疗选择有限。在转移性GC中,辅助治疗和姑息治疗可提高生存机会,但不能实现治愈终点。尽管治疗取得了诸多进展,大多数GC患者在根治性切除后仍会复发,或在切除后发生远处转移。因此,迫切需要开发预测性生物标志物,以识别最可能从毒性较低的辅助治疗中获益的患者,并提出替代治疗方法。对于印度的GC患者,我们将首次通过小RNA测序系统性地发现晚期GC患者中的预测性生物标志物,并评估其转化为基于血浆的无创预测性生物标志物的潜力,以帮助晚期GC患者选择正确的治疗。

目标1。将使用小RNA测序,在来自对化疗有应答和无应答的晚期GC患者的配对肿瘤和正常黏膜组织中,发现新的miRNA生物标志物。

目标2。候选生物标志物将在接受化疗的独立II期和III期(辅助治疗队列,N = 100)以及IV期(姑息治疗队列,N = 100)GC患者的原发肿瘤组织中进行临床验证。

目标3。在接受化疗的转移性GC患者(N = 200,血液样本来自目标2中使用的同一批患者)中,确定将候选组织来源生物标志物转化为基于血浆的预测性生物标志物的效率。

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