未分化多形性肉瘤预后表达谱

未分化多形性肉瘤预后表达谱是公开可访问数据集,包含UPS和肢体平滑肌肉瘤表达谱及预后相关信息等表格数据,围绕未分化多形性肉瘤相关临床表现、影像、信号或组学信息,适合用于分类、模型训练、外部验证和疾病机制探索。

Gene Expression OmnibusGene Expression Omnibus
NCBI GEO
浏览 47
表格分类GPL47239606
GSE13775 UPS and LMS Expression

基本信息

模态
表格
大小
0.139463373 GB
数据量
23
任务类型
分类
创建/更新时间
2026-09-22

资源简介

未分化多形性肉瘤预后表达谱

【数据集背景】

本数据集源站标题为《Shared prognostic markers in undifferentiated pleomorphic sarcoma and leiomyosarcoma of the extremities》。源站首次发布:Dec 01 200。

【数据内容】

源站原始描述:Soft tissue sarcoma diagnostics and prognostics are challenging, particularly in highly malignant and pleomorphic subtypes such as undifferentiated pleomorphic sarcoma (UPS) and leiomyosarcoma (LMS). We applied 32K BAC-arrays and gene expression profiling to 18 extremity soft tissue LMS and 31 extremity soft tissue UPS with the aim to identify molecular subtype signatures and genomic prognostic markers. Both the gains/losses and gene expression signatures revealed striking similarities between U…

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Genome variation profiling by genome tiling array、GPL4723、9606。

【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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE13775

【使用注意】

· 源站最后修改于 Mar 20 201,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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE13775

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

未分化多形性肉瘤预后表达谱包含UPS和肢体平滑肌肉瘤表达谱及预后相关信息等表格数据,可用于未分化多形性肉瘤相关分类、诊断建模、分型或外部验证。

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。

获取专属数据定制方案