PRJNA230787：妊娠期人类乳腺癌基因表达谱

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA230787

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

我们使用了一个数据集，包含54名怀孕及113名年龄/分期匹配的非怀孕乳腺癌患者，这些患者具有完整的临床和生存数据；我们分别使用Sequenom®和Affymetrix®技术评估了热点体细胞突变模式并进行了转录组分析。乳腺癌分子亚型通过PAM50和3基因分类器确定。我们进行了基因集富集分析（GSEA），以评估与孕期诊断相关的通路。我们根据怀孕状态研究了癌症相关基因和已发表基因集的差异表达。最后，我们研究了与无病生存相关的基因。总体设计：我们识别了65名在孕期被诊断为乳腺癌的患者。此外，为每个病例选取了两名未在孕期或哺乳期被诊断，但根据年龄（±2岁）、肿瘤大小、淋巴结状态、手术年份（±2年）以及是否接受新辅助化疗进行匹配的乳腺癌患者。已从肿瘤组织中提取信使RNA，并在Affymetrix微阵列上进行杂交。

然而，由于实验问题，最终有54名孕妇和113名非孕妇保留下来并用于我们的研究。

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。