- 综合排序
- 最热优先
- 最新优先
- 来自专栏科研猫
临床样本组学研究Day6 : 临床样本的代谢组学研究
代谢组学流程 4 案列解析 1.代谢小分子作为诊断疾病的新型标志物 Cancer Res. 2013 Aug 15;73(16):4992-5002. ①研究思路： ②主要研究结果： 数据呈现：HCC 数据呈现：Be和Pro可以很好地区分HCC 与肝炎和肝硬化，其联合诊断的灵敏度和特异性要远优于目前临床使用的肝癌诊断指标AFP，尤其在AFP表达阴性的HCC患者中，诊断准确性为92%，具有很好的临床应用前景 ②主要研究结果： 数据呈现：Model 1中：这8个小分子代谢物均与卒中风险有关（p＜0.05）；而在Model 2中：只有Tet和Hex这2个血浆小分子代谢物与卒中风险相关。 启示：无论在做代谢组学还是蛋白质组学，当筛选到差异代谢物/蛋白质时，一定要和传统临床指标/传统危险因素进行校正。 Model 1: 纳入 年龄、性别、种族、区域中心、批次； Model 2: 在Model1的基础上，又加入糖尿病、高血压、吸烟、BMI指数、肾小球滤过率； 数据呈现：Tet和Hex这两种血浆小分子代谢物只与
1.7K31编辑于 2022-04-09 - 来自专栏生信技能树
不同的GSE数据集有不同的临床信息，不同的分组技巧
最近，我发现学徒在学习GEO数据挖掘的过程中，遇到了第一个也是至关重要的一个难题就是对下载后的数据集进行合适的分组，因为只有对样本进行合适的分组，才有可能得到我们想要的信息。 但是不同的GSE数据集有不同的临床信息，那么我们应该挑选合适的临床信息来进行分组呢？ pData pd就是这个数据集的临床信息，查看后如下 ? 这里主要说一下GSE31056这一个数据集，需要一定的背景知识与细心才能正常分组，原文里 ? 所以我们需要对数据集取子集。
10.7K33发布于 2019-11-11 - 来自专栏科研猫
临床样本组学研究Day6 : 临床样本的单细胞转录组测序
当你还在沉迷于普通转录组数据挖掘时，已经有人悄悄的搞上单细胞了。今天我们就来聊聊基于临床样本的单细胞转录组测序。 （3）高通量测序：库检合格以后，利用Illumina测序平台进行测序，获得测序数据； （4）进行数据分析。 数据呈现：（图b）：就是细胞分群以及定义，这是整个文章研究的基础，后续的深入分析和探究都是基于此进行的。 数据呈现：（图G）PLAU、CHI3LI等基因在肠道Inflammatory fibroblasts细胞中高表达，而这些基因又是结肠炎疾病和纤维化相关基因、CAF相关基因。 在组织中分选特定细胞，组织样本的处理和细胞分选技术非常重要（技术注意事项可以多向测序公司咨询）； 3．对于利用临床样本纯单细胞测序研究来说，要重视单细胞测序数据分析算法的个性化，利用各种不同巧妙的算法尽可能多挖掘测序数据中隐藏的信息
1.7K21编辑于 2022-04-09 - 来自专栏DrugOne
Data | TrialBench：多模态 AI 可用的临床试验预测数据集平台
这一数据集由香港科技大学（广州）陈晋泰助理教授联合南京大学符天凡副教授、IQVIA 、哈佛医学院等团队合作推出，构建了首个面向人工智能的多模态临床试验预测平台。 数据集已向全球开放，研究者可通过以下链接获取和使用： https://huyjj.github.io/Trialbench/。 为什么要做这个平台？ 平台亮点 TrialBench 汇集了 23 个子数据集，覆盖 8 大预测任务，具体包括： 一、预测试验时长，即估计一项临床试验从开始到结束可能持续多久。 研究团队不仅设计了这些任务，还提供了基线模型、评价指标和多模态融合方法，确保数据集“开箱即用”。 数据集效果验证 Python与R包的使用 已有应用与验证 TrialBench 发布不久，已经被业界与学界关注并应用。
26010编辑于 2025-10-14 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球 VIIRS 蒸散量 (ET) 数据集第 6 版
USGS VIIRS 蒸散量¶ VIIRS 蒸散量 (ET) 数据集基于全球 ET 产品第 6 版，利用 VIIRS 热图像和全球天气数据集通过遥感获得。 在 SSEBop 版本 6 中，Senay 等人概述了新颖的强制和归一化操作 (FANO) 算法。 该数据集的创建涉及基于 VIIRS 的陆地表面温度、WorldClim 的最高气温以及从网格天气数据集（例如 Abatzoglou 等人的 TerraClimate）获得的参考 ET 的集成。 数据集详细信息¶ 空间范围 全球的 空间分辨率 1 公里网格（1/96 度） 时间分辨率 Dekadal、每月和每年 时间跨度 2012年至今 更新频率 每10-12天更新一次 变量 多变的 蒸散量 (ETa) ('et') 单位 毫米 比例因子 1.0 附加信息¶ 您可以在以下链接中找到有关这些数据集的更多信息 - Product Search Global | Early Warning and
50410编辑于 2024-02-02 - 来自专栏新智元
NIH开源迄今最大临床医疗图像数据集，用深度学习构建通用疾病检测模型！
---- 新智元报道 来源：HIN 作者：大明，闻菲 【新智元导读】NIH临床中心最新公布了一个迄今规模最大的多类别、病灶级别标注临床医疗CT图像开放数据集DeepLesion，研究人员在此基础上训练深度神经网络 CT图像数据集DeepLesion，也是迄今全球规模最大的多类别、病灶级别标注的开放获取临床医疗图像数据集。 Summers），他是医生里面对技术理解特别深刻的，为获取这个临床的大规模医疗数据集提供了极大的帮助和指导。” DeepLesion：迄今最大的多类别、病灶级标注临床医疗图像开源数据集 在NIH临床中心，每当有患者做完CT扫描后，相应的扫描图像都会被送至放射科医生处，然后医生会对图像进行解读。 “总之，这是一个给人很大想象和发挥空间的数据集。”闫轲说。 大规模的临床数据库是AI在临床真正落地的唯一路径；但标注几乎永远不可能是完美的，这就对新的更鲁棒的深度学习算法提出了更多以及更高的要求。
5.6K20发布于 2018-08-16 - 来自专栏数据科学和人工智能
数据集 | 图书数据集
下载数据集请登录爱数科(www.idatascience.cn) 由电商平台爬取的图书信息，包括书名、出版信息、当前价格等。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 当当网搜索页面爬取。
2.9K40编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 行星数据集
下载数据集请登录爱数科(www.idatascience.cn) 其记录了2014年之前天文学家在恒星（除了太阳）周围发现的行星的信息。 1. 字段描述 2. 数据预览 3. 数据来源 来源于UCI机器学习库。
2.1K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 订购数据集
下载数据集请登录爱数科(www.idatascience.cn) 该数据集记录了一家全球超市4年的订购数据，包含订单的订单号、下单时间、发货时间、运输模式、顾客名称和地区等信息。 1. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.2K30编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 鲍鱼数据集
下载数据集请登录爱数科(www.idatascience.cn) 通过物理测量预测鲍鱼的年龄。 从原始数据中删除了缺失值的样本，并且对连续值的范围进行了缩放。数据集共4177个样本，8个字段 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 Warwick J Nash, Tracy L Sellers, Simon R Talbot, Andrew J Cawthorn and Wes B Ford (1994) "The Population 数据引用 Nash W J, Sellers T L, Talbot S R, et al.
2.9K40编辑于 2022-03-30 - 来自专栏临床试验
临床试验编程-Adam数据转换
1.介绍 从各系统导出的数据无法完成所需要的统计分析，需经过转换后形成标准Adam数据方可进行分析。涉及到数据集名称、变量名称、变量标签、变量值。 常见的ADAM数据集如下： ADAE-不良事件 ；ADCM-联合用药 ；ADSL-人口统计学 ；ADDS-受试者完成情况 ；ADPV-方案偏离 ；ADEG-心电图； ADEX-药物暴露； ADIE-纳入 中国临床药理学杂志, 2020, 36(18):5. [2]王骏, 韩景静, 黄钦. 临床试验缺失数据的统计学考量[J]. 中国临床药理学杂志, 2016, 32(5):4. [3]衡明莉, 陈丽嫦, 王骏. 临床试验中缺失数据处理方法研究[J]. 中国临床药理学杂志, 2019, 35(22):5. 每一个数据集均应产生配套的生成程序.sas、数据集、日志存放在临床试验编程篇-Setup中创建的文件夹中。方便后续做TFLs时调用。
4.1K41编辑于 2021-12-05 - 来自专栏数据科学和人工智能
数据集 | 小费数据集
下载数据集请登录爱数科(www.idatascience.cn) 小费数据集 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源
1.9K20编辑于 2022-03-30 - 来自专栏数据科学和人工智能
数据集 | 广告数据集
下载数据集请登录爱数科(www.idatascience.cn) 数据集由 Jose Portilla 和 Pierian Data 为他的 Udemy 课程（Python 数据科学和机器学习训练营） 创建,适合用于数据分析与逻辑回归预测。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
2.5K30编辑于 2022-03-30 - 来自专栏医学数据库百科
临床相关突变查询数据库
写在前面 越来越多的研究发现某一个基因的突变和很多的临床特征有关系。如果我们想有查找临床性状和基因突变的关系的话，内容比较全面的就是ClinVar数据库了。 ClinVar 数据库是ncbi旗下用于查看临床相关突变的数据库。但是其数据库的内容比较多，而且检索界面不是很友好。所以经常看不懂其结果。所以今天就介绍一个检索简单的突变和表型的数据库。 通过其名字我们就知道这个是一个简易版的Clinvar数据库。 输入 数据库的输入很简单，我们可以数据疾病；基因名; 突变等。都可以。 我这里输入gastric cancer。 另外数据库也提供了下载的功能。我们点击Show Table就可以看到其下载结果的地方了。 写在后面 以上就是这个数据的所有功能的。输入关键词—界面友好的查看结果。是不是很简单。 一直再说这类汇总其他数据库的资源，最怕的资源更新慢的问题。不过看这个数据库还是经常更新的。所以可以放心使用的
1.3K40发布于 2021-11-18 - 来自专栏用户6927366的专栏
UCSC xena如何下载TCGA临床数据
UCSC xena如何下载TCGA临床数据 生信自学网 UCSC xena数据库对TCGA临床数据进行了整理，如果需要TCGA肿瘤全部的临床信息，可以通过UCSC xena网站进行下载。 TCGA有两套数，最好选择GDC开头，这套数据和最新TCGA官网数据是配套的。我们以胃癌为例，点击下图圆圈处即可。 03.png 5. 进入我们选择肿瘤界面后，我们会发现很多数据，选择其中的”Phenotype”按钮，既可以进入临床数据的下载界面。 04.png 6. 进入临床数据界面，点击下载，就可以下载临床数据表格。
5.6K02发布于 2020-03-14 图像分割数据集牙齿分割牙齿病变分割数据集labelme格式2616张6类别
注意数据集有部分牙齿没标注，分割目的主要检查病变，因此部分牙齿没有标注不影响病变检测 数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数 )：2616 标注数量(json文件个数)：2616 标注类别数：6 标注类别名称:["Tooth","Caries","Cavity","Crack","calculus","inflamation" 139 calculus count = 1207 inflamation count = 620 使用标注工具：labelme=5.5.0 标注规则：对类别进行画多边形框polygon 重要说明：可以将数据集用 labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 图像预览 ： 标注例子： 数据集地址：download.csdn.net/download/FL1623863129/88570705
31900编辑于 2025-07-22- 来自专栏iSharkFly
Confluence 6 数据库字符集编码和问题
数据库字符集编码 你的数据库和 JDBC 数据源连接必须配置为使用 UTF-8 编码（或者根据你配置的数据库来制定正确的 UTF-8 编码字符集，例如在 Oracle 中使用的是 AL32UTF8 ） Confluence 中也有多个检查来确保你的数据库也是使用的 UTF-8 编码。 请参考 Configuring Database Character Encoding 页面来获得更多的内容。 字符集编码的问题 请参考 Troubleshooting Character Encodings 页面来找到如何测试你的字符集编码。 https://www.cwiki.us/display/CONF6ZH/Configuring+Character+Encoding
1K30发布于 2019-01-30 - 来自专栏医学和生信笔记
1行代码提取6种TCGA表达矩阵和临床信息
“医学和生信笔记，专注R语言在临床医学中的使用、R语言数据分析和可视化。主要分享R语言做医学统计学、临床研究设计、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。 脚本已上传到QQ群，需要的小伙伴加群下载即可~ 只需要1行代码就可以获取分别获取mRNA和lncRNA的counts/fpkm/tpm总计6种类型类型的表达矩阵以及临床信息，表达矩阵是标准形式，行是基因 “使用这种方法有4个前提条件： TCGAbiolinks包的版本必须要在2.25.1以上 需要使用TCGAbiolinks下载的数据或者按照这个教程下载的数据：可能是最适合初学者的TCGA下载教程 必须按照这篇教程构建正确的路径 ：手动下载的TCGA数据也可以用TCGAbiolinks包整理 脚本必须和GDCdata放在一个路径下 使用方法 加载需要的R包： library(TCGAbiolinks) library(SummarizedExperiment 完成后会在当前目录多出一个output_expr文件夹，里面就是6个表达矩阵和临床信息： 完成后会多出一个文件夹 output_expr文件夹里面就是提取好的信息： 提取好的表达矩阵和临床信息 TCGA-LUSC_expr.rdata
1.2K10编辑于 2022-11-15 - 来自专栏临床预测模型
临床预测模型概述6-统计模型实操-Lasso回归
Lasso回归通过最小化预测误差和惩罚项的和，能够将不重要的特征系数缩减为零，适用于高维数据分析，帮助防止模型过拟合。其惩罚强度由参数λ控制，λ值越大，模型越简单，选择的变量越少。 通常该方法用于筛选自变量(大量的基因数据/临床参数等)，有时候也可以用于获取建模前自变量的系数。 详细流程1、加载R包和导入数据rm(list = ls())library(glmnet)library(survival)load("TCGA-LIHC_dat.Rdata")2、check数据head NA 1 ...# $ M : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 1 ...3、构建模型-二项logistic# 假定有一个基因集library 构建模型-cox# 假定有一个基因集library(openxlsx)a <- read.xlsx("~/Desktop/a.xlsx",colNames = T)genes <- a$blength(
94110编辑于 2024-08-09 - 来自专栏数据科学和人工智能
数据集 | 苹果股价数据集
下载数据集请登录爱数科(www.idatascience.cn) 这个数据集涵盖了过去6年苹果公司的股价。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
1.9K30编辑于 2022-03-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号