乳腺癌脂质组学特征与激素受体及HER2状态的相关性探索

数据集获取

源站：https://omicsdi.org/dataset/metabolights_dataset/MTBLS10858

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

脂质代谢失调可促进包括乳腺癌在内的多种癌症的进展。本研究旨在探索乳腺癌患者的脂质组学图谱，为脂质组成与基于激素受体（HR）和人表皮生长因子受体2（HER2）状态划分的肿瘤亚型之间的相关性提供见解。简言之，30例乳腺癌患者根据其HR和HER2状态被分为四个队列：HR+、HER2零表达（HR+ HER2-0）；HR+、HER2低表达（HR+ HER2-low）；HR+、HER2阳性（HR+ HER2-pos）；以及HR-、HER2阳性（HR- HER2-pos）。采用高通量液相色谱-质谱联用（LC-MS）分析脂质组学图谱。通过主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）和随机森林（RF）分类处理数据，以评估这些组间的脂质组学变异和显著脂质特征。脂质谱，尤其是甘油三酯（TG），如TG (16:0_18:1_18:1) +NH4，在各队列间存在显著差异。PCA和PLS-DA分析鉴定出HR+ HER2-pos和HR+ HER2-0组具有独特的脂质谱，而RF突出显示PIP3(21:2)+NH4是准确进行患者分组的关键脂质特征。高级统计分析显示，脂质碳链长度和双键数目与这些分类之间存在显著相关性，为结构脂质特性在肿瘤生物学中的作用提供了见解。此外，聚类热图和网络分析表明存在显著的脂质-脂质相互作用。通路富集分析显示了关键生物学通路，例如活性LPL和LIPC脂肪酶复合物的组装。总之，该研究强调了脂质组学分析的重要性，其对于理解与不同乳腺癌亚型相关的代谢改变至关重要。这些发现突出了可能作为潜……

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。