Evaluating Feature Extraction in Ovarian Cancer Cell Line Co-Cultures Using Deep Neural Networks
SND-ID: 2024-175. Version: 1. DOI: https://doi.org/10.48723/srtg-ss33
Tillhörande dokumentation
Citering
Skapare/primärforskare
Osheen Sharma - Karolinska Institutet, Institutionen för onkologi-patologi
Brinton Seashore-Ludlow - Karolinska Institutet, Institutionen för onkologi-patologi
Forskningshuvudman
Karolinska Institutet - Institutionen för onkologi-patologi
Beskrivning
Datasetet är tillgängligt för nedladdning i fem separata ZIP-arkiv: Kuramochi_BjhTERT.zip, (93,68 GB), Kuramochi_WI38.zip (93,50 GB), MH_BjhTERT.zip (62,22 GB), OvCar3_BjhTERT.zip (84,98 GB), OvCar8_WI38.zip (91,89 GB).
Filstrukturen finns beskriven i den tillhörande dokumentationsfilen Dataset_Description.pdf.
Data innefattar personuppgifter
Nej
Språk
Analysenhet
Population
Datasetet består av bilder av äggstockscancercellinjer och fibroblastcellinjer som odlats tillsammans (2D-kokultur) i en 384-brunnars mikrotiterplatta (in vitro). I vår analys är varje enskild cell ett objekt. Dessa samodlingar används för att studera hur cancer- och fibroblastceller interagerar med varandra och vid läkemedelspåverkan samt hur cancercellernas morfologi förändras
Tidsdimension
Studiedesign
Experimentell studie
Urvalsmetod
Dataformat / datastruktur
Ansvarig institution/enhet
Institutionen för onkologi-patologi
Medverkande
Greta Gudoitytė - Karolinska Institutet, Institutionen för onkologi-patologi
Forskningsområde
Bioinformatik (beräkningsbiologi) (Standard för svensk indelning av forskningsämnen 2011)
Datorseende och robotik (autonoma system) (Standard för svensk indelning av forskningsämnen 2011)
Cellbiologi (Standard för svensk indelning av forskningsämnen 2011)
Bioinformatik och systembiologi (Standard för svensk indelning av forskningsämnen 2011)
Cancer och onkologi (Standard för svensk indelning av forskningsämnen 2011)