复发GBM患者可能受益于Bevacizumab与CCNU的识别：荷兰神经肿瘤组BELOB试验报告

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE72951

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

随机II期BELOB试验的结果为贝伐珠单抗(beva；一种针对循环VEGF-A的人源化单克隆抗体)联合CCNU化疗用于复发性GBM患者提供了潜在获益的证据。在本研究中，我们对来自BELOB试验中接受治疗患者的福尔马林固定、石蜡包埋(FFPE)肿瘤材料进行了基因表达谱分析(DASL和RNA-seq)，以识别从beva/CCNU联合治疗中获益最大的复发性GBM患者。我们首先广泛验证了FFPE组织用于DASL和RNA-seq表达谱分析的可行性。我们的数据显示，被归类为IGS-18或“经典型”GBM的肿瘤在beva+CCNU治疗中显示出无进展生存期(PFS)的显著获益以及总生存期(OS)获益的趋势；其他亚型则未显示此类获益。特别是，FMO4和OSBPL3的表达与治疗反应相关。所有分子胶质瘤亚型在不同研究组之间分布均匀，因此beva/CCNU组改善的结局不能由预后有利亚型的不均匀分布来解释。

RNA-seq数据分析突显了在这一明确界定的肿瘤队列中的遗传变化，包括突变、基因融合（及精确基因组断点的识别）和拷贝数变化（尽管分辨率有限）。当在独立数据集中验证时，本研究中识别出的预测标志物将有助于筛选出从beva+CCNU治疗中获益的复发性GBM患者。

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。