三阴性乳腺癌分子特征与转移预测基因数据集
该数据集为微阵列表达谱数据，包含51例三阴性乳腺癌样本（附临床与至少3年随访的复发信息）以及106例luminal型乳腺癌样本（重分析自GSE24124、GSE9309和GSE17040）
基本信息
资源简介
三阴性乳腺癌分子特征与转移预测基因数据集
GSE33926 是一个聚焦三阴性乳腺癌分子特征与转移预测基因的微阵列表达谱数据集，由 Wen-Hung Kuo 提交，发布于 2011 年 11 月 23 日，来源为 ncbi.nlm.nih.gov，本站归类为肿瘤 / 乳腺癌。该数据集同时纳入三阴性乳腺癌与 luminal 型乳腺癌两类样本，其中三阴性乳腺癌共 51 例，配有临床信息以及至少 3 年随访的复发信息；luminal 型乳腺癌共 106 例，系对 GSE24124、GSE9309 和 GSE17040 三个系列数据的重分析结果。数据集以单个 GZIP 压缩的系列矩阵文件形式提供，适合用于乳腺癌亚型表达谱比较及转移相关基因的探索性研究。
【数据集背景】
三阴性乳腺癌是乳腺癌中缺乏雌激素受体、孕激素受体和 HER2 表达的一类亚型，临床行为与 luminal 型乳腺癌存在明显差异。该数据集以“三阴性乳腺癌的分子特征与转移预测基因”为主题，通过微阵列表达谱对三阴性乳腺癌样本进行刻画，并引入 luminal 型乳腺癌作为对照性样本群体，为在转录组层面比较不同亚型、寻找与转移相关的候选基因提供数据基础。数据集的源站标题与英文名称均直接指向这一研究主题。
【数据内容】
数据集包含 51 例三阴性乳腺癌样本，每例附有临床信息以及至少 3 年随访的复发信息；另包含 106 例 luminal 型乳腺癌样本，这部分数据重分析自 GSE24124、GSE9309 和 GSE17040。全部数据以表达谱矩阵形式组织，文件数量为 1，样例文件名为 GSE33926_series_matrix.txt.gz。主题标签显示其数据类型为 Expression profiling by array，涉及平台 GPL7264 与物种编号 9606。除上述样本数量、随访信息和平台信息外，源站未提供更细的字段清单、基因数量或临床变量明细。
【采集与来源】
数据来源于 ncbi.nlm.nih.gov，作者为 Wen-Hung Kuo，发布时间为 2011 年 11 月 23 日。三阴性乳腺癌部分为该数据集自身的样本集合，luminal 型乳腺癌部分则来自对既有公开系列 GSE24124、GSE9309 和 GSE17040 的重分析，因此该数据集在构成上具有整合再分析的特点。样本的采集地点、伦理审批与具体临床招募流程，源站未提供。
【适用场景】
该数据集可用于三阴性乳腺癌与 luminal 型乳腺癌之间表达谱差异的比较分析，也可用于围绕复发信息开展转移预测基因的探索性筛选。由于三阴性乳腺癌样本配有至少 3 年随访的复发信息，适合开展以复发为结局的候选基因关联分析；luminal 型样本可作为亚型对照。此外，该数据亦可作为微阵列表达谱分析流程的练习数据，用于差异表达、聚类或分类模型的初步验证。具体研究结论需结合平台注释与统计方法自行判断。
【使用方法】
使用时可先下载数据文件 GSE33926_series_matrix.txt.gz，按 GZIP 压缩包格式读取。建议先在小样本上核对字段与编码，确认样本标识、分组信息与表达值编码无误后，再批量接入完整数据。分析时应区分三阴性乳腺癌与 luminal 型乳腺癌两组样本，并注意 luminal 型部分为外部系列重分析所得，需在分析设计中予以考虑。平台 GPL7264 的注释信息可另行获取以完成基因层面的解读。
【质量与限制】
该数据集样本量有限，三阴性乳腺癌为 51 例，luminal 型为 106 例，且后者来自三个既有系列的重分析，批次效应与平台差异可能影响组间比较。随访信息仅说明至少 3 年，更长的随访结局未在源站描述中体现。数据集仅提供单个系列矩阵文件，原始图像或更细粒度的质控指标源站未提供。此外，源站未提供样本的临床分期、治疗史等变量明细，限制了混杂因素的调整能力。
【引用与许可】
数据来源为 ncbi.nlm.nih.gov，作者为 Wen-Hung Kuo，发布时间为 2011 年 11 月 23 日。使用时应引用该数据集及其来源页面，并同时关注其所重分析的 GSE24124、GSE9309 和 GSE17040 系列。具体的许可条款与使用限制，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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE33926
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
该微阵列数据集包含51例三阴性乳腺癌，具有至少3年随访的临床和复发信息，以及106例管腔型乳腺癌（重新分析来自Series GSE24124、GSE9309和GSE17040的数据）。本研究识别出一组新的45基因特征，该特征在统计学上可预测三阴性乳腺癌的远处转移复发。
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。
