LUNG ADENOCARCINOMA / 研究工具
数据不上传
TRANSCRIPTOMICS × COMPUTATIONAL PATHOLOGY

从分子与形态,识别 baciptosis 分型。

上传肿瘤组织 RNA 表达或 UNI2-h 病理特征,探索肺腺癌 C1 / C2 分型。

TCGA-LUAD REFERENCE6-GENE SIGNATUREFROZEN MODELS
01选择数据
02检查输入
03运行分析
04查看结果
01 / RNA EXPRESSION

导入 RNA 表达矩阵

CSV / TSV

使用固定 TCGA 参考进行标准化;不按上传批次重新计算。

METHODS & MODEL CARD

固定规则,可追溯的研究结果。

01 / RNA

冻结参考最近中心

log2(TPM+1) → 固定TCGA均值/总体标准差 → 欧氏最近中心。与TCGA原共识标签一致率94.0%(485/516)。这是一种赋类近似,不是重新聚类。

02 / H&E

冻结逻辑回归

UNI2-h特征 → 切片均值 → 患者等权均值 → 冻结标准化与LR → HE预测C1/C2。沿用固定阈值,无在线训练或调参。

03 / LOCAL

在您的设备上计算

文件由独立计算线程解析,模型参数随网页加载。大文件建议先用本地脚本转换为均值特征。清空或关闭页面即可移除本次分析。