HER2阳性乳腺癌亚型鉴定揭示预后基因特征

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-18328

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

目的 HER2基因扩增或蛋白过表达（HER2+）界定了一个临床具有挑战性的乳腺癌亚组，其预后和对治疗的反应各异。我们旨在通过分子谱分析来探究HER2+肿瘤的异质性生物学表现和临床行为。材料与方法 对来自58例不同分期、组织学分级和雌激素受体（ER）状态的HER2扩增肿瘤的基因表达数据进行层次聚类，以构建一个HER2衍生的预后预测因子，并在几个大型独立乳腺癌数据集中进一步评估。结果 无监督分析识别出三种HER2+肿瘤亚型，其分期、组织学分级和ER状态混合。其中一种亚型的临床结局显著较差。基于结局较差亚型与其他亚型之间差异表达的基因，创建了一个预后预测因子。该预测因子能够在多个独立乳腺癌数据集中界定HER2+乳腺癌中结局较好和较差的患者组，并识别出一个规模可观的、无病生存期长且死亡率低的HER2+组。

在基底样、ER−、淋巴结阳性或高级别肿瘤中，也观察到与预后的显著相关性，且不受HER2状态影响。该预测因子包含与免疫反应、肿瘤侵袭和转移相关的基因。结论：源自HER2的预后预测因子为HER2+肿瘤的异质性生物学提供了进一步见解，并可能有助于更好地筛选需要接受针对HER2通路新药额外治疗的患者。阵列比较基因组杂交（aCGH）从约500例乳腺肿瘤的较大队列中鉴定出58例HER2扩增的乳腺肿瘤。使用70-mer寡核苷酸微阵列获得全局基因表达谱。使用Pearson相关和完全连锁对58例肿瘤进行无监督层次聚类

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。