PRJNA206464：1570例乳腺癌相关样本的重归一化表达数据
该数据集整合了多项乳腺癌研究，经统一归一化处理以支持跨研究比较，并富集了较少见的乳腺癌类型，有助于发现新的潜在癌症驱动基因
基本信息
资源简介
PRJNA206464：1570例乳腺癌相关样本的重归一化表达数据
该数据集整合了多项乳腺癌研究，经统一归一化处理以支持跨研究比较，并富集了较少见的乳腺癌类型，有助于发现新的潜在癌症驱动基因。原始Affymetrix CEL文件来自GSE2034、GSE11121、GSE20194、GSE1456、GSE2603、GSE6532、GSE20437、GSE1561、GSE7390、GSE5847等系列，经三阶段质量控制、RMA归一化并置于log2尺度，最终包含1570例样本。样本按MYC表达水平分层，最高四分位定义为High，最低四分位定义为Low。数据可用于乳腺癌转录组分析、跨研究基因表达比较及基于MYC表达分层的分类研究（来源 ncbi.nlm.nih.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：整合了多项研究并进行归一化，以实现一致的跨研究比较，并富集较少见的乳腺癌类型，从而能够检测新的潜在癌症驱动基因。总体设计：从系列GSE2034、GSE11121、GSE20194、GSE1456、GSE2603、GSE6532、GSE20437、GSE1561、GSE7390、GSE5847中获取原始Affymetrix CEL文件。随后对样本进行三阶段质量控制过滤，得到最终数据集。这些样本经过RMA归一化，然后置于log2尺度。样本按MYC表达水平分层，最高四分位定义为High，最低四分位定义为Low。
【主题与分类】
主题标签：Transcriptome or Gene expression。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/bioproject/PRJNA206464
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA206464
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
整合了多项研究并进行标准化处理，以实现一致的跨研究比较，并丰富较少见的乳腺癌类型，从而能够检测新的潜在癌症驱动基因。总体设计：从系列GSE2034、GSE11121、GSE20194、GSE1456、GSE2603、GSE6532、GSE20437、GSE1561、GSE7390、GSE5847中获取原始Affymetrix CEL文件。随后对样本进行三阶段质量控制过滤，得到最终数据集。这些数据经过RMA标准化处理，然后转换为log2尺度。样本按MYC表达水平分层，最高四分位数定义为高，最低四分位数定义为低。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
