GSE9195：利用分子谱预测接受他莫昔芬治疗的雌激素受体阳性乳腺癌预后

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE9195

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：雌激素受体阳性（ER+）乳腺癌（BC）在临床行为和治疗反应方面具有异质性。ER目前是预测抗雌激素药物他莫昔芬反应的最佳指标，然而高达30-40%的ER+乳腺癌患者在接受他莫昔芬治疗后仍会复发。需要新的预后生物标志物，并进一步从生物学角度理解他莫昔芬耐药。我们利用基因表达谱分析，使用来自接受辅助他莫昔芬单药治疗的255例ER+乳腺癌样本的训练集，开发了一个基于结局的预测指标。我们使用高度相关基因的聚类来开发预测指标，以促进特征标签的稳定性和生物学解释。使用从多个机构获得的362例接受他莫昔芬治疗的ER+乳腺癌样本进行了独立验证，这些样本仅在辅助和转移阶段接受了他莫昔芬治疗。结果：我们开发了一个由属于13个生物学聚类的181个基因组成的基因分类器。在独立接受辅助治疗的样本集中，该分类器能够定义两个不同的预后组（HR 2.01，95%CI：1.29-3.13；p=0.002）。

13个基因簇中有6个代表涉及细胞周期和增殖的通路。在112例接受他莫昔芬治疗的转移性乳腺癌患者中，分类器组分中提示细胞炎症机制的一个组分对治疗反应具有显著预测价值。结论：我们开发了一个基因分类器，可预测接受他莫昔芬治疗的ER+乳腺癌患者的临床结局。尽管我们的研究强调了增殖基因在预后中的重要作用，但我们的方法提出了其他基因和通路，可能有助于阐明影响临床结局和他莫昔芬治疗反应预测的更多机制。关键词：疾病状态分析

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。