皮肤狼疮NanoString分析数据集

该数据集包含基于NanoString技术对皮肤狼疮活检样本进行基因表达谱分析的数据,涵盖盘状红斑狼疮、亚急性皮肤红斑狼疮及正常对照样本的标准化计数结果,数据模态为基因表达谱数据,主要用于研究皮肤狼疮的分子分型、基因表达差异以及自身免疫性皮肤病的生物标志物发现。

Mendeley Data
2024-03-27 更新
浏览 37
皮肤免疫学基因表达谱分析
Cutaneous Lupus NanoString Analysis

基本信息

大小
0.000415456 GB
创建/更新时间
2024-03-27
版本
v1

资源简介

皮肤狼疮NanoString分析数据集

【一句话概览】

该数据集标题为“Cutaneous Lupus NanoString Analysis”,采用Nanostring自身免疫分析面板及30个定制基因,对皮肤活检样本进行比较分析,样本包括17例盘状红斑狼疮(DLE)、21例亚急性皮肤红斑狼疮(SCLE)和6例正常对照,数据为标准化计数。数据集共含1个文件,合计大小415.5 KB(来源 Mendeley Data)。

【数据集背景】

本数据集源站标题为《Cutaneous Lupus NanoString Analysis》。源站首次发布:2021-10-22。

【数据内容】

源站原始描述:Nanostring Autoimmune Profiling Panel + 30 custom genes. Comparison of skin biopsies: 17 DLE, 21 SCLE, and 6 normal controls. Normalized counts

中文译文(机器翻译,仅供快速理解,请以原文为准):Nanostring自身免疫分析Panel + 30个定制基因。皮肤活检比较:17例DLE、21例SCLE和6例正常对照。归一化计数。

【数据结构与技术规格】

文件数 1 个,合计 415.46 KB。数据集 DOI:10.17632/693gjn8vsh.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/693gjn8vsh

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://data.mendeley.com/datasets/693gjn8vsh

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

该数据集是一个用于皮肤狼疮研究的基因表达谱数据集,包含NanoString自身免疫分析面板和30个定制基因的检测结果。数据来源于对皮肤活检样本的分析,共包括17例盘状红斑狼疮(DLE)、21例亚急性皮肤红斑狼疮(SCLE)和6例正常对照样本,所有数据均已进行标准化计数处理。该数据集主要用于探索皮肤狼疮亚型的分子机制、基因表达特征以及潜在的生物标志物,为自身免疫性皮肤病的研究和诊断提供支持。

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