免疫检查点抑制剂诱导扁平苔藓与自发性扁平苔藓在临床、组织学和基因表达水平差异的补充材料
该数据集包含基因表达（通过NanoString平台测量的730个基因）、细胞分布（基于数据库算法计算）和临床表格数据（患者特征与治疗反应），主要研究免疫检查点抑制剂诱导的扁平苔藓与自发性扁平苔藓在临床、组织学和基因表达水平上的差异，用于免疫相关皮肤病的分子机制探索和生物标志物识别。
基本信息
资源简介
免疫检查点抑制剂诱导扁平苔藓与自发性扁平苔藓在临床、组织学和基因表达水平差异的补充材料
【数据集背景】
本数据集源站标题为《Suppl. material "Checkpoint Inhibitor-induced lichen planus differs from spontaneous lichen planus on the clinical, histological and gene expression level"》。源站首次发布：2024-02-07。
【数据内容】
源站原始描述：Suppl. Figure 1. Gene expression analysis of lichen planus subtypes reveals notable differences in the gene expression profiles of immune-related Lichen planus, spontaneous Lichen planus and non-disease controls. (A) Heatmap showing the hierarchical clustering of 730 analyzed genes using NanoString. Volcanoplots of showing log2 fold change on x axis (cutoff at fold change =1.5 and -1.5); log10 (padj) with cutoff at p adj. = 0.05 on y axis; up- (green) and downregulated (purple) genes in irLP vs…
【数据结构与技术规格】
文件数 7 个，合计 1.24 MB。数据集 DOI：10.17632/ffzjcnfmcg.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/ffzjcnfmcg
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/ffzjcnfmcg
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
该数据集是Mendeley Data上公开的补充材料，用于研究免疫检查点抑制剂（ICI）诱导的扁平苔藓（irLP）与自发性扁平苔藓（LP）之间的差异。数据集包含基因表达分析（通过NanoString平台测量730个基因）、细胞分布计算（基于PanglaoDB和Cell Atlas数据库算法）以及临床患者特征（如ICI治疗持续时间、反应等）。数据以热图、火山图和表格形式呈现，主要研究方向包括免疫相关皮肤病的分子机制、基因表达谱比较、以及ICI副作用的生物标志物识别，适用于皮肤病学、免疫学和精准医疗领域的研究。
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。
