数据集获取

源站：https://synapse.org/Synapse:syn2179898

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

乳腺癌精准治疗模型构建

作者：Anneleen Daemen, Obi L Griffith, Laura M Heiser, Nicholas J Wang, Oana M Enache, Zachary Sanborn, Francois Pepin, Steffen Durinck, James E Korkola, Malachi Griffith, Joe S Hur, Nam Huh, Jongsuk Chung, Leslie Cope, Mary J Fackler, Christopher Umbricht, Saraswati Sukumar, Pankaj Seth, Vikas P Sukhatme, Lakshmi R Jakkula, Yiling Lu, Gordon B. Mills, Raymond J Cho, Eric A Collisson, Laura J van’t Veer, Paul T Spellman, Joe W Gray

摘要

背景：

癌症基因组图谱（TCGA）项目及其他国际性研究工作旨在测量人类肿瘤中的基因组、转录组、蛋白质组及表观基因组异质性，以改进癌症管理。目前，针对人类乳腺癌的第一代分子特征图谱已完成。这些数据的一个用途是识别可作为分子签名来预测治疗反应的分子特征。迄今为止，关于哪些数据类型对此最为重要，以及如何最佳地结合这些数据类型以产生最优预测因子，我们知之甚少。

乳腺癌细胞系集合反映了乳腺癌分子病理生物学的许多方面，并越来越多地被用作治疗反应的实验室模型。由此产生的组学和生物学反应测量非常适合开发策略，以识别最能预测治疗反应的分子特征集。> > #### 结果：> 我们报告了应用最小二乘支持向量机（LS-SVM）和随机森林（RF）算法来识别与70个乳腺癌细胞系对90种实验性或已批准治疗药物反应相关的分子特征。所使用的分子谱数据集包括拷贝数畸变、突变、基因表达（包括剪接变体）、启动子甲基化和蛋白质表达的测量。我们的分析表明，

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。