区分胶质瘤与健康个体的18种血清细胞因子特征数据集

数据集获取

源站：https://doi.org/10.5061/dryad.8jq92

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。

数据集大小约 84.1 KB。

数据说明

胶质母细胞瘤（GBM）在很大程度上无法治愈，因为它们会弥漫性浸润邻近的脑组织，且早期难以诊断。源自血清的生物标志物可通过微创手段获取，可能有助于早期诊断、预后判断和治疗监测。为建立血清细胞因子特征谱，我们对来自正常健康个体（n = 26）和不同级别胶质瘤患者（n = 194）的血清中的48种细胞因子进行了分析。我们将正常和IV级胶质瘤/GBM血清样本随机分为等量的训练集和测试集。在训练集中，微阵列预测分析（PAM）识别出一组18种细胞因子，能够以最高准确率（95.40%）和最低误差（4.60%）区分GBM血清与正常血清。在训练集中获得的18种细胞因子特征谱在测试集中同样能够区分GBM血清与正常血清（准确率96.55%；误差3.45%）。有趣的是，该18种细胞因子特征谱还能非常有效地将II级/弥漫性星形细胞瘤（DA）和III级/间变性星形细胞瘤（AA）血清与正常血清区分开来（DA vs. 正常——准确率96.00%，误差4.00%；AA vs.

正常准确率为95.83%，误差为4.17%。利用18种细胞因子进行的京都基因与基因组百科全书（KEGG）通路分析，显著富集了两条通路：细胞因子-细胞因子受体相互作用和JAK-STAT通路。因此，我们的研究识别出了一种18种细胞因子特征，用于区分胶质瘤血清与正常健康个体血清，并证明了它们在胶质瘤生物学中差异丰度的重要性。

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。