SCLC模型数据
SCLC-CellMiner 面向兰伯特-伊顿肌无力综合征及相关疾病研究，提供可公开访问的表格数据或临床/组学信息，适合用于分类、生物标志物探索、队列比较和算法验证等研究场景。
基本信息
资源简介
SCLC模型数据
【一句话概览】
CellMinerCDB 是一个交互式网络应用，用于简化跨来源的癌细胞系药物基因组学数据的访问与探索。应用通过主菜单标签导航，包含单变量分析、多变量分析、元数据、搜索、帮助和视频教程六个标签，进入网站时默认选中单变量分析。每个选项均含用于选择输入的侧边栏菜单和显示结果的用户界面输出。单变量分析和回归模型标签顶部提供分析选项，默认显示子菜单第一项结果（来源 discover.nci.nih.gov）。
【数据集背景】
本数据集源站标题为《CellMinerCDB》。
【数据内容】
源站原始描述：CellMinerCDB is an interactive web application that simplifies access and exploration of cancer cell line pharmacogenomic data across different sources (see Metadata section for more details). Navigation in the application is done using main menu tabs (see figure below). It includes 6 tabs: Univariate Analyses, Multivariate Analysis, Metadata, Search, Help and Video tutorial. Univariate Analyses is selected by default when entering the site. Each option includes a side bar menu (to choose input)…
中文译文（机器翻译，仅供快速理解，请以原文为准）：CellMinerCDB是一个交互式网络应用程序，它简化了跨不同来源的癌细胞系药物基因组学数据的访问与探索（更多详情请参见“元数据”部分）。应用程序中的导航通过主菜单标签完成（见下图）。它包含6个标签：单变量分析、多变量分析、元数据、搜索、帮助和视频教程。进入网站时，默认选中“单变量分析”。每个选项均包含一个侧边栏菜单（用于选择输入）和一个用户界面输出以展示结果。在“单变量分析”和“回归模型”标签页顶部，均提供了分析选项（见图中的子菜单）。默认显示子菜单的第一个选项结果（图1）。
【主题与分类】
主题标签：cancer cell line、pharmacogenomics、drug activity、DNA copy number、DNA mutation、DNA methylation、RNA expression、protein、microRNA、CRISPR。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://discover.nci.nih.gov/cellminercdb/
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://discover.nci.nih.gov/cellminercdb/
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
SCLC-CellMiner 是与兰伯特-伊顿肌无力综合征相关的公开数据集，涵盖表格数据，可用于分类、疾病表型分析或模型评估。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
