HR阳性/HER2阴性乳腺癌分期相关转录变化

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE326778

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

了解乳腺癌生物学特征如何随疾病负担变化至关重要。分析癌症相关基因表达随诊断分期的增加情况，可以洞察乳腺癌生物学特征的变化，因而具有临床实用价值。在此，我们根据1，152例激素受体阳性HER2阴性乳腺癌患者的分期（美国癌症联合委员会，AJCC I至IV期）评估了转录活性。样本为临床/转化研究前瞻性收集的新鲜样本，并进行了转录谱分析。大多数转录特征在各分期类别中保持一致，而与分期增加相关的大多数显著变化归因于内分泌逃逸、分化降低、信号转导复杂性增加以及一些代谢变化。本文讨论了这些发现的临床相关性和意义，并且这些来自高质量样本的表达数据的公开可用性为研究人员提供了资源。

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。