GSE132714良性前列腺增生转录组

包含18例BPH和4例正常对照前列腺组织RNA测序数据,常用于BPH差异表达、分型、通路富集和候选靶点筛选研究。

Gene Expression OmnibusGene Expression Omnibus
NCBI GEO
2022-06-17 更新
浏览 41
表格分类GPL167919606
GSE132714 Transcriptional Alterations in BPH

基本信息

模态
表格
大小
0.008822886 GB
数据量
22
任务类型
分类
创建/更新时间
2022-06-17

资源简介

GSE132714良性前列腺增生转录组

【数据集背景】

本数据集源站标题为《Transcriptional alterations in BPH》。源站首次发布:Jun 13 201。

【数据内容】

源站原始描述:We identified a BPH transcriptional signature that included 392 significantly differential expressed genes between BPH and control samples, and validated this BPH transcriptional signature using two independent study cohorts. By performing integrative analysis using transcriptional and methylation profiling, we identified two distinct BPH subtypes, supporting robust biologically distinct subgroups across different data types. To validate these BPH subtypes, we tested our signature via k-means cl…

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Expression profiling by high throughput sequencing、GPL16791、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=GSE132714

【使用注意】

· 源站最后修改于 Jun 17 202,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=GSE132714

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

包含18例BPH和4例正常对照前列腺组织RNA测序数据,常用于BPH差异表达、分型、通路富集和候选靶点筛选研究。

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。

获取专属数据定制方案