PRJNA183925：两种新基质特征对预后不同的乳腺癌进行分层

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA183925

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：过去几十年的多项研究表明，癌的微环境在癌症的发生、进展和转移中起着重要作用。我们课题组此前通过对两个肿瘤的成纤维细胞进行基因表达谱分析，作为生理性基质表达模式的替代，识别出与乳腺癌预后差异相关的新型癌症基质基因表达特征。本研究旨在发现更多新的肿瘤基质基因表达模式。结果：采用3SEQ对53个肿瘤进行测序，平均每个样本获得2900万条reads。弹力纤维瘤（EF）和腱鞘纤维瘤（FOTS）基因特征在四个乳腺癌数据集中均显示出稳健的生存预后结果。EF特征阳性的乳腺癌（占队列的20-33%）显示出显著更好的生存预后。相反，FOTS特征阳性的乳腺癌（占队列的11-35%）预后更差。

EF、FOTS以及我们先前鉴定的DTF和CSF1基质特征的联合特征，部分地表征了所有乳腺癌中74%-90%的肿瘤微环境基质表达谱。结论：我们在乳腺癌中定义并验证了两个新的基质特征（EF和FOTS），它们与预后显著相关。总体设计：对8种其他类型的纤维性肿瘤进行了3SEQ基因表达谱分析，以鉴定不同的纤维性肿瘤特异性基因表达特征。随后，我们在四个公开可用的乳腺癌数据集（GSE1456、GSE4922、GSE3494、NKI Dataset）中确定了纤维性肿瘤基因特征的意义。

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。