低级别胶质瘤钙稳态六基因预后特征分析代码与衍生数据（TCGA-LGG，n=511）

数据集获取

源站：https://doi.org/10.57760/sciencedb.0169f

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

该数据集包含手稿《一种与钙稳态相关的六基因特征可预测低级别胶质瘤的预后并刻画其免疫微环境》的完整分析代码和衍生结果数据，并能够重现该手稿中的每一张图和每一项统计结果。来源与生成。输入为TCGA低级别胶质瘤项目（TCGA-LGG）的公开转录组和临床数据，从UCSC Xena获取，包括log2(RSEM+1)表达矩阵和临床随访表。通过要求样本条码第14–15位为“01”来保留原发肿瘤样本，并保留每位患者的首个样本，最终得到511例患者和125例死亡事件的队列。处理步骤。

(i) 通过单因素Cox回归筛选出88个钙稳态相关基因；(ii) 拟合L2惩罚Cox模型（lifelines.CoxPHFitter，惩罚参数网格0–2.0），在每变量事件数（EPV ≥ 10）约束下，通过5折×3次重复交叉验证的C-index选择最优惩罚参数；(iii) 风险评分为各基因z分数按其系数加权求和，患者按中位数分为高风险组和低风险组；(iv) 下游分析包括ESTIMATE免疫评分与基质评分及肿瘤纯度、27种免疫细胞类型的标志基因集评分、免疫检查点相关性分析、GO/KEGG富集分析以及STRING蛋白质-蛋白质相互作用网络。所有代码均以Python 3.13编写，依赖numpy、pandas、scipy、scikit-learn、lifelines、matplotlib和gseapy；确切版本已固定于requirements.txt中。内容（LGG_calcium_signature_dataset_v1.0.zip，共21个文件）。根目录包含README.md（复现步骤与方法）、LICENSE（完整MIT文本）、CITATION.cff（机器可读引用）和requirements.txt（固定依赖版本）。

scripts/ 目录包含 8 个 Python 脚本（队列组装 01_prepare.py；泛癌下载 12_fetch_pancan.py；泛癌筛选

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。