独立于EMT的Myc转录程序驱动HER2+乳腺癌不良预后肿瘤传播表型

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-43730

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

HER2（ERBB2）和MYC是乳腺癌中常见的扩增基因，但人们对它们的分子和临床相互作用知之甚少。利用一种新型嵌合乳腺转基因方法和体外模型，我们证明，由Her2和c-Myc转化的细胞具有显著增强的自我更新和肿瘤传代能力。两种癌基因在培养细胞中的共表达导致c-Myc转录特征显著激活，并获得一种不依赖EMT程序或癌症干细胞标志物调控的自我更新表型。我们发现，在一个临床乳腺癌队列中，HER2和c-MYC频繁共扩增，且共扩增与侵袭性临床行为和不良结局密切相关。最后，我们发现，在接受辅助化疗（而非靶向抗HER2治疗）的患者中，MYC扩增与HER2阳性乳腺癌患者的不良结局相关。

这些发现表明，分子背景在致癌转化和恶性干细胞样表型的获得中具有重要性，并对 HER2+ 乳腺癌的临床管理具有重要的诊断和治疗意义。对 MCF10A 细胞中 Her2、Myc 以及 Her2 + Myc 过表达的基因表达分析，并与 MCF10A 载体对照进行比较。

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。