基质相关基因特征预测乳腺癌含表柔比星新辅助化疗敏感性

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-4779

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

本研究旨在识别一种基因表达特征，能够预测乳腺癌新辅助蒽环类化疗后病理完全缓解的情况。样本取自EORTC 10994试验的FEC组（5-氟尿嘧啶、表柔比星、环磷酰胺）。EORTC 10994是一项III期临床试验，旨在比较FEC与ET（表柔比星、多西他赛）在大型可手术、局部晚期或炎性乳腺癌患者中的疗效（www.eortc.be）。随机分组时采集冷冻活检样本。从14G核心针活检的100微米厚度组织中提取RNA。相邻切片通过H&E染色检测，以确认肿瘤细胞含量超过20%。每张芯片使用200纳克总RNA，采用Affymetrix小样本协议（先进行IVT，然后使用Enzo）进行扩增。102例肿瘤在Affymetrix X3P芯片上进行了检测。每例肿瘤检测单个活检样本。CEL文件使用rma进行分位数归一化。临床反应指标为病理完全缓解（pCR，即化疗后肿瘤消失，组织学检测最多仅见散在浸润细胞）。102例肿瘤

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。