PRJNA209984：中国汉族乳腺癌并发基因特征数据集 [Agilent]

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA209984

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

拷贝数变异（CNV）与差异基因表达之间的相互作用可能有助于揭示乳腺癌的分子机制，并促进癌症相关基因的发现。在当前研究中，通过阵列比较基因组杂交（CGH）和基因表达微阵列同时鉴定出的基因被用于推导汉族乳腺癌的基因特征。我们对来自台湾女性的乳腺癌样本进行了23例阵列CGH和81例基因表达微阵列分析。在使用两种平台检测的21个样本中，识别出CNV和差异基因表达模式一致的基因。我们利用这些基因推导出与临床ER和HER2状态及无病生存相关的特征。特征基因的分布与染色体位置高度相关：ER与16号染色体相关，HER2与17号染色体相关。

基于16个基因（RCAN3、MCOLN2、DENND2D、RWDD3、ZMYM6、CAPZA1、GPR18、WARS2、TRIM45、SCRN1、CSNK1E、HBXIP、CSDE1、MRPL20、IKZF1和COL20A1）的第一个监督主成分构建了乳腺癌风险预测模型，并在408个微阵列的合并数据集中观察到高风险组与低风险组之间不同的生存模式。复发、转移或死亡的乳腺癌患者的风险评分显著高于无复发的个体（0.241对0，P<0.001）。在亚组分析中，并发基因风险预测模型在不同临床ER和HER2状态之间仍具有区分能力。我们得出结论，平行分析CGH和微阵列数据，结合已知的基因表达模式，可用于识别具有乳腺癌预后价值的生物标志物。总体设计：我们对台湾女性的乳腺癌样本进行了23次阵列CGH和81次基因表达微阵列检测。从使用以下方法检测的21个样本中，识别出CNV和差异基因表达均具有一致模式的基因：

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。