PRJNA1543897：患者社会人口学因素影响乳腺癌微环境

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE350747

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

激素受体阳性（HR+）乳腺癌是全球最常见的乳腺癌亚型，也是女性癌症相关死亡的主要原因之一。被诊断为HR+乳腺癌的黑人女性预后显著差于白人女性，即使在考虑了医疗可及性和教育程度等因素后，这种差异依然存在。由于黑人患者在基因组数据集中代表性不足，人们对这些差异背后生物学机制的理解一直受到限制。为弥补这一空白，我们构建了一个富含黑人患者的HR+乳腺癌转录组数据集，同时控制了医疗可及性和教育水平。黑人女性的肿瘤显示出肿瘤微环境相关特征信号的富集，包括胶原沉积增加和预后不利的T细胞景观。来自体外和体内实验模型的数据表明，与种族相关的胶原沉积模式至少部分由肿瘤细胞内在信号驱动，并促进了与较差预后相关的转移表型。

对患者转录组数据集的进一步分析显示，先前被归因于种族或血统的不良T细胞特征与贫困负担的关联更为密切。在多个独立数据集中，STAT4成为这种贫困相关免疫表型的潜在主调控因子。总体而言，这些发现表明乳腺肿瘤的分子特征受到与自我认同种族和社会经济劣势相关的生物学和结构性因素共同塑造。这些结果证明，将健康的社会决定因素与分子分析相结合，可以揭示导致癌症结局差异的机制，并为开发更有效、更公平的精准肿瘤学方法奠定基础。

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。