人恶性黑色素瘤细胞A-375 [A375]

该数据集是一个经过严格质量认证的人恶性黑色素瘤细胞系A-375资源库,数据模态为生物细胞样本及其对应的STR基因分型等分子身份信息。其主要用途是为黑色素瘤的基础与转化医学研究提供标准化的体外实验模型,支撑包括肿瘤生物学机制探索、抗癌药物活性筛选、免疫疗法评估以及新型治疗策略开发等多个关键研究方向。

国家模式与特色实验细胞资源库国家模式与特色实验细胞资源库
中国科技资源共享网
2026-06-20 更新
浏览 26
人恶性黑色素瘤细胞A375生物学细胞株
Human Malignant Melanoma Cell Line A-375 [A375]

基本信息

许可
完全共享
创建/更新时间
2026-06-20

资源简介

人恶性黑色素瘤细胞A-375 [A375]

【数据集背景】

源站首次发布:2015-01-01。

【数据内容】

源站原始描述:人恶性黑色素瘤细胞A-375 [A375]来源于一名54岁的女性。在裸鼠中有致瘤性。每个批次均通过本库支原体检测,结果为阴性。经本库STR检测结果无误。STR结果如下:D5S818: 12;D13S317: 11,14;D7S820:9;D16S539: 9;vWA: 16,17;THO1: 8;Amelogenin: X;TPOX: 8,10;CSF1PO: 11,12。其重要性在于可为生命科学和生物技术领域的研究工作提供标准化的实验细胞资源及相关技术支撑。

【主题与分类】

主题标签:人、恶性黑色素瘤细胞、A375、生物学、细胞株。

【获取与许可】

源站页面:https://www.cellbank.org.cn/search-detail.php?id=533

使用许可:完全共享。

规范引用:CSTR:19375.09.3101HUMSCSP533

【使用注意】

· 源站最后修改于 2023-08-03,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。

需登录

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。

暂未开放

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://escience.org.cn/metadata/detail?cstrId=CSTR:19375.09.3101HUMSCSP533&id=72176a45901492835836654ac2eaf714:3101HUMSCSP533

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

该数据集是一个标准化的人恶性黑色素瘤细胞系资源,来源于一名54岁女性患者的肿瘤组织。该细胞系具有在裸鼠中致瘤的特性。数据集包含细胞系的详细身份认证信息,包括经过验证的STR(短串联重复序列)分型结果(D5S818:12;D13S317:11,14;D7S820:9;D16S539:9;vWA:16,17;THO1:8;Amelogenin:X;TPOX:8,10;CSF1PO:11,12),并经过支原体检测确认为阴性,确保了细胞资源的纯度和可靠性。其主要为生命科学和生物技术领域的研究提供高质量的实验材料,广泛应用于黑色素瘤的发病机制研究、药物筛选、肿瘤免疫学以及癌症治疗新方法的开发等方向。

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