癌症异常基因与通路的整合多维遗传与表观遗传策略：基因表达
该数据集来自 omicsdi.org，聚焦肿瘤/乳腺癌，包含 10 个乳腺癌细胞系在 Affymetrix U133 Plus 2.0 平台上的基因表达谱，并配有匹配的 DNA 拷贝数和 DNA 甲基化数据用于整合分析
基本信息
资源简介
癌症异常基因与通路的整合多维遗传与表观遗传策略：基因表达
该数据集来自 omicsdi.org，聚焦肿瘤/乳腺癌研究方向，包含 10 个乳腺癌细胞系在 Affymetrix U133 Plus 2.0 平台上的基因表达谱，并配有匹配的 DNA 拷贝数和 DNA 甲基化数据，用于整合分析。数据集的主题标签为 Transcriptomics，属于转录组学范畴。其设计目标是通过多维度的遗传与表观遗传信息联合分析，识别癌症中异常的基因及其参与的生物学通路。数据集中共使用了 10 个样本，其中作为正常对照的 MCF10A 表达谱来自 GSM254525，其余 2 个细胞系来自 caBIG，并附有完整的 RMA 归一化表达谱。整体而言，该数据集为乳腺癌细胞系的基因表达研究提供了与拷贝数变异、DNA 甲基化变化相匹配的表达层面数据基础。
【数据集背景】
该数据集所属的研究方向为肿瘤学中的乳腺癌研究。乳腺癌作为高度异质性的恶性肿瘤，其发生发展涉及基因表达异常、基因组拷贝数改变以及表观遗传修饰等多层次分子事件。单一维度的表达谱分析往往难以揭示驱动基因与通路的全貌，因此将基因表达数据与 DNA 拷贝数、DNA 甲基化数据进行整合分析，成为识别异常基因和通路的重要策略。该数据集正是在这一背景下构建，旨在为乳腺癌细胞系的多维度分子特征整合研究提供表达层面的数据支撑。数据集的主题标签为 Transcriptomics，表明其核心数据类型为转录组表达谱。
【数据内容】
数据集包含 10 个乳腺癌细胞系在 Affymetrix U133 Plus 2.0 平台上的基因表达谱，样本总数为 10 个。除表达谱外，数据集还配有与这些细胞系匹配的 DNA 拷贝数数据和 DNA 甲基化数据，用于整合分析。数据集中提供了完整的 RMA 归一化表达谱。其中，作为正常对照使用的 MCF10A 表达谱来源于 GSM254525，其余 2 个细胞系来源于 caBIG。数据内容围绕基因表达层面展开，并与拷贝数和甲基化数据共同构成多维度的分子数据集。
【采集与来源】
该数据集来源于 omicsdi.org。表达谱数据在 Affymetrix U133 Plus 2.0 平台上产生。样本方面，共使用 10 个乳腺癌细胞系；其中 MCF10A 作为正常对照，其表达谱来自 GSM254525，其余 2 个细胞系来自 caBIG。关于样本采集的具体时间、地点、伦理审批信息以及实验操作的详细流程，源站未提供。
【适用场景】
该数据集适用于乳腺癌细胞系的基因表达分析，尤其适合与匹配的 DNA 拷贝数和 DNA 甲基化数据进行整合研究，以识别异常表达的基因及其相关通路。其应用场景包括转录组水平的表达谱比较、正常对照与肿瘤细胞系之间的表达差异探索，以及多维度分子数据联合分析的方法学研究。由于数据主题标签为 Transcriptomics，该数据集也可用于转录组学相关的方法验证与教学演示。关于具体的下游分析类型和已验证的应用案例，源站未提供。
【使用方法】
使用该数据集时，可直接采用其提供的完整 RMA 归一化表达谱进行下游分析，避免重复归一化带来的差异。由于数据集配有匹配的 DNA 拷贝数和 DNA 甲基化数据，使用者可将表达谱与这两类数据进行样本层面的对应整合，开展多维度联合分析。正常对照 MCF10A 的表达谱来自 GSM254525，可在分析中作为参照。关于数据文件的具体格式、下载方式、软件环境要求及分析流程的详细说明，源站未提供。
【质量与限制】
该数据集共包含 10 个样本，样本量相对有限，可能影响统计推断的稳健性。数据集中作为正常对照的 MCF10A 表达谱来自 GSM254525，其余 2 个细胞系来自 caBIG，样本来源存在差异，使用时需注意批次效应等潜在影响。数据集提供的是 RMA 归一化后的表达谱，未提供原始数据层面的质控信息。关于数据集的整体质量评估、缺失值情况、平台探针注释版本及验证实验结果，源站未提供。
【引用与许可】
关于该数据集的引用方式、原始文献出处、作者信息以及使用许可条款，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-17768
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
10株乳腺癌细胞系在Affymetrix U133 Plus 2.0平台上进行了分析，结合匹配的DNA拷贝数和DNA甲基化数据进行整合分析。总共使用了10个样本。作为正常对照的MCF10A图谱来自GSM254525，其余2个细胞系来自caBIG。附有完整的RMA归一化表达谱。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
