GSE123833：在独立数据集中识别预测乳腺癌结局的稳健基因特征 [UCSF]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE123833

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

背景：大量研究将PI3K/AKT/mTOR通路视为一条线性信号转导通路，聚焦于雌激素受体阳性（ER）乳腺癌（BC），并报道其与较差的临床结局相关。为更深入地了解PI3K下游各信号通路（即AKT和mTOR）对BC结局的相对贡献，我们开发了一种新型的计算机模拟方法，分别评估这些信号通路各自的激活情况。方法：通过分析TCGA数据库中ER阳性患者的基因表达及匹配的蛋白质组学数据，我们分别构建了反映磷酸化丝氨酸473-AKT（pAKT）和磷酸化丝氨酸2448-mTOR（p-mTOR）表达水平的基因特征，以捕捉其相应的通路激活水平。随后，我们利用对超过7，000例ER阳性早期BC患者基因表达数据的汇总分析，研究了通路激活与结局之间的关联。

结果：我们的分析显示，pAKT通路激活（通过所开发的标签测量）与luminal A型乳腺癌相关，而p-mTOR通路激活则更多与luminal B型乳腺癌相关（Kruskal-Wallis检验p<10-10）。pAKT通路激活与更好的结局显著相关（多变量HR，0.79；95% CI，0.74至0.85；p=2.5x10-10），而p-mTOR通路激活则显示更差的结局（多变量HR，1.1；95% CI，1.1至1.2；p=9.9x10-4）。在接受激素治疗的患者中进行分析时，也得到了激活与结局之间相似的关联。此外，无论乳腺癌分子亚型如何，pAKT通路激活均预测更好的结局（luminal A多变量HR，0.85；95% CI，0.75至0.96；p=0.01；luminal B HR，0.91；95% CI，0.83至0.99；p=0.033）。pAKT通路激活与PIK3CA突变相关（p=0.0001），而p-mTOR通路激活则与

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。