PRJNA135911：用于Endopredict算法训练的Affymetrix数据

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA135911

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

这些数据与其他队列（GSE6532、GSE12093以及基于qRT-PCR的队列）相结合，用于构建EP算法，该算法可预测早期乳腺癌患者在内分泌治疗下发生远处复发的可能性。此外，还构建了EPclin，即EP评分、淋巴结状态和肿瘤大小的组合。总体设计：用于开发EP算法的所有样本均取自仅接受辅助他莫昔芬治疗的患者。来自三个中心的新鲜冷冻肿瘤样本在HG-U133A芯片上进行表达谱分析。简言之，从5 µg总RNA开始，按照制造商说明，使用Roche Microarray cDNA Synthesis、Microarray RNA Target Synthesis (T7)和Microarray Target Purification Kit（Roche Applied Science，德国曼海姆）制备标记cRNA。原始.cel文件数据使用MAS 5.0软件（AFFYMETRIX，美国加利福尼亚州圣克拉拉）处理。在分析设置中，选择了全局缩放程序，该程序将每个阵列的输出信号强度乘以一个系数，使平均目标强度达到500。

我们从GSE6532和GSE12093队列中选取了我们认为适合本分析的样本（分别为n=130和n=130），并根据相应的.CEL文件计算了MAS5表达值。选择标准之一是我们测量时同样使用的GPL96平台。GSE26971_GSE12093_dataset.txt.gz和GSE26971_GSE6532_dataset.txt.gz文件包含两个队列的数据，其中A行为GSM编号，其余行为MAS5表达数据。这些样本的.CEL文件处理方式与我们自己样本的.CEL文件处理方式完全相同：GPL96、MAS5、TGT 500。

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。