子痫前期胎盘铜铁(cuproptosis–ferroptosis)串扰研究的分析脚本与结果表
本数据集为子痫前期胎盘铜–铁(cuproptosis–ferroptosis)串扰研究的分析代码与衍生结果表,支撑相关稿件全部补充表格与图

基本信息
资源简介
子痫前期胎盘铜铁(cuproptosis–ferroptosis)串扰研究的分析脚本与结果表
Analysis scripts and result tables for the placental copper–iron (cuproptosis–ferroptosis) crosstalk study in preeclampsia
本数据集为子痫前期胎盘铜–铁(cuproptosis–ferroptosis)串扰研究的分析代码与衍生结果表,支撑相关稿件全部补充表格与图。内容涵盖批量转录组差异表达与ssGSEA评分、WGCNA共表达复现、LASSO特征选择、重复5折交叉验证的逻辑回归诊断建模、留一交叉验证及外部迁移、校准评估等分析流程,涉及八个公共GEO队列。可用于复现该研究分析、验证诊断模型及探索胎盘铜铁串扰相关生物标志物(来源 DOI 解析,MIT License 许可)。
【数据集背景】
源站首次发布:2026。
【主题与分类】
主题标签:Obstetrics and gynecology、preeclampsia、placenta、cuproptosis、ferroptosis、copper、iron、TCA cycle、SLC11A2、PDHB。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://www.scidb.cn/detail?dataSetId=23e2f6e5e27f4a6da04b5add7293c3ba
使用许可:MIT License。
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://doi.org/10.57760/sciencedb.014v6
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
本数据包含手稿《子痫前期胎盘中转录组铜-铁串扰汇聚于胎盘功能不全共有的TCA循环抑制,提名PDHB和HSPB1作为情境定义的生物标志物》(投稿于BMC Pregnancy & Childbirth)所有补充表格和图表所依据的分析代码及衍生结果表。内容。scripts/(22个文件):实现分析工作流程的R和Python脚本——跨八个公共GEO队列(GSE25906、GSE114691、GSE186257、GSE234729、GSE279757、GSE303543、GSE298602、GSE319236)的批量转录组差异表达和ssGSEA评分;WGCNA共表达重复;LASSO特征选择;采用重复5折交叉验证(100次重复,种子42)、留一交叉验证和不重新拟合的外部迁移的逻辑回归诊断建模;校准评估(斜率、截距、大范围校准);决策曲线分析;与仅基于孕龄的基线进行DeLong比较;单细胞和空间(Visium)佐证;药物-基因相互作用检索;图表生成。
results/(27个文件):CSV文件,复现每个补充表(表S1-S9)以及中间输出,包括每个队列的ROC坐标、跨队列火山图统计、WGCNA模块-性状关系、决策曲线净获益、空间相关性和药物-基因相互作用。环境。R 4.5.3(base R、pROC、WGCNA)和Python 3.13(numpy、pandas、matplotlib、Pillow、python-docx)。输入数据。主要输入是上文列出的公开可用的GEO系列;原始表达矩阵未在此重新分发。所有数据均来自公开存放的去标识化来源;不包含参与者级别的敏感信息。可重复性说明。脚本保留了作者工作环境的绝对路径,并依赖于未包含在本存放中的中间对象;发布这些脚本是为了记录exa
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。




