胶质瘤内在基因表达谱比组织学更能预测生存

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-16011

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

胶质瘤的组织学分类指导治疗决策。由于观察者间差异较大，我们旨在通过对所有组织学亚型和级别的大样本胶质瘤队列进行基因表达谱分析来改进分类。所鉴定出的七种内在分子亚型不同于组织学亚组，且与患者生存的相关性更好。我们的数据表明，不同的分子亚组明显从治疗中获益。特定的遗传改变（EGFR扩增、IDH1突变、1p/19q杂合性缺失）在不同分子亚组中分离——并可能驱动——这些亚组。我们的发现已在三个大型独立样本队列（TCGA、REMBRANDT和GSE12907）中得到验证。我们提供了令人信服的证据，表明表达谱分析是比组织学更准确、更客观的胶质瘤分类方法。276份涵盖所有组织学的胶质瘤样本，8份对照样本

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。