突变靶向精准基因治疗共济失调毛细血管扩张症的安全性与有效性
该数据集来自 clinicaltrials.gov,聚焦共济失调毛细血管扩张症(A-T)的突变靶向精准基因治疗。研究药物 atipeksen 是一种 22 核苷酸的反义寡核苷酸,针对 ATM 基因 c.7865C>T 突变引起的错误剪接,经鞘内注射给药

基本信息
资源简介
突变靶向精准基因治疗共济失调毛细血管扩张症的安全性与有效性
该数据集来自 clinicaltrials.gov,聚焦共济失调毛细血管扩张症(A-T)的突变靶向精准基因治疗。研究药物 atipeksen 是一种 22 核苷酸的反义寡核苷酸,针对 ATM 基因 c.7865C>T 突变引起的错误剪接,经鞘内注射给药。研究目标包括评估治疗安全性,并通过临床与生理生物标志物判断能否减缓或稳定神经功能衰退,主要终点为 A-T NEST 系列临床神经评估及结构化 A-T 临床总体评估。数据可用于神经系统疾病精准治疗的安全性、有效性及神经功能变化预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:共济失调毛细血管扩张症。本方案的目标是研究研究性药物 atipeksen(一种突变特异性反义寡核苷酸(ASO))在共济失调毛细血管扩张症(A-T)个体中的安全性和有效性。第一个目标是评估 atipeksen 治疗的安全性,该药物是一种 22 核苷酸寡核苷酸,设计用于改善由 ATM 基因(NM_000051.3)c.7865C>T(p.Ala2622Val)突变引起的错误剪接效应,通过鞘内注射给药。第二个目标是确定鞘内注射 atipeksen 能否使用临床和生理生物标志物减少或稳定神经功能衰退。主要终点将是使用共济失调毛细血管扩张症神经检查工具包(A-T NEST)和结构化的共济失调毛细血管扩张症临床总体
【主题与分类】
主题标签:Ataxia Telangiectasia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07215416
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://clinicaltrials.gov/study/NCT07215416
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
疾病:共济失调毛细血管扩张症。本方案的目标是研究研究性药物atipeksen(一种突变特异性反义寡核苷酸(ASO))在共济失调毛细血管扩张症(A-T)患者中的安全性和有效性。第一个目标是通过鞘内注射给药,评估atipeksen治疗的安全性。atipeksen是一种22个核苷酸的寡核苷酸,旨在改善由ATM基因(NM_000051.3)突变c.7865C>T(p.Ala2622Val)引起的错误剪接效应。第二个目标是确定鞘内注射atipeksen能否通过临床和生理生物标志物减少或稳定神经功能衰退。主要终点将是使用共济失调毛细血管扩张症神经检查工具包(A-T NEST)和结构化版本的共济失调毛细血管扩张症临床总体印象变化(A-T CGI)进行系列临床神经学评估。次要终点将包括录像临床神经学检查、使用可穿戴活动记录仪进行运动模式分析,以及由PT、OT和神经心理学实施的标准量表。
探索性终点包括系列脑成像及体积分析、神经丝轻链、甲胎蛋白和生长参数。
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。




