居里研究所乳腺癌样本表达谱数据集（Maire队列）
该数据集来自NCBI，包含130例乳腺癌样本（41例TNBC、30例Her2、30例Luminal B和29例Luminal A）、11例正常乳腺组织样本以及14例TNBC细胞系，共178张芯片
基本信息
资源简介
居里研究所乳腺癌样本表达谱数据集（Maire队列）
PRJNA273412 是一项针对乳腺癌样本的转录组表达谱数据集，来源于 NCBI（ncbi.nlm.nih.gov），在站内归入肿瘤 / 乳腺癌分类，主题标签为 Transcriptome or Gene expression。该数据集以 BrainArray CDF 进行表达谱分析，覆盖 130 例乳腺癌样本（41 例 TNBC、30 例 Her2、30 例 Luminal B 和 29 例 Luminal A）、11 例正常乳腺组织样本以及 14 例 TNBC 细胞系，共计 178 张芯片。整体设计围绕乳腺癌分子亚型与正常乳腺组织、TNBC 细胞系之间的转录组比较展开，适合用于基因表达层面的分型研究与差异分析。
【数据集背景】
该数据集来自 Institut Curie 的 Maire 队列，聚焦乳腺癌样本的表达谱分析。源站描述将其定位为转录组分析，纳入的样本涵盖 TNBC、Her2、Luminal B 和 Luminal A 等乳腺癌亚型，并同时包含正常乳腺组织和 TNBC 细胞系，为在统一实验框架下比较肿瘤亚型与正常组织、细胞系提供了数据基础。数据集名称中标注 BrainArray CDF，表明其表达谱处理采用了相应的芯片定义文件。
【数据内容】
数据集共包含 178 张芯片。其中 153 张芯片用于分析来自 130 位患者的 130 例独特乳腺癌样本，另含 23 张技术重复。乳腺癌样本按亚型分布为：41 例 TNBC、30 例 Her2、30 例 Luminal B 和 29 例 Luminal A。此外还包括 11 例来自健康乳腺组织的“Normal”样本，这些样本通过乳房缩小术（mammoplasty）获得；以及一组 14 例乳腺癌细胞系，源站描述明确其为 TNBC 细胞系。主题标签为 Transcriptome or Gene expression，说明数据核心是转录组或基因表达信息。
【采集与来源】
数据来源于 ncbi.nlm.nih.gov，原始项目为 PRJNA273412，样本来自 Institut Curie 的 Maire 队列。源站描述指出，数据生产涉及不同的芯片批次和杂交系列，并在数据预处理中对此进行了相应处理。正常样本来自健康乳腺组织，通过乳房缩小术获取；乳腺癌样本来自患者；细胞系为 TNBC 细胞系。除上述信息外，样本采集时间、伦理审批细节等源站未提供。
【适用场景】
基于其样本构成，该数据集可用于乳腺癌不同分子亚型（TNBC、Her2、Luminal B、Luminal A）与正常乳腺组织之间的基因表达比较，也可用于 TNBC 细胞系与 TNBC 肿瘤样本之间的表达谱对照分析。由于包含技术重复，还可用于评估表达谱数据的技术一致性。BrainArray CDF 的处理方式使其适合在基因表达层面开展亚型相关分析。具体分析流程和推荐工具源站未提供。
【使用方法】
数据集以芯片表达谱形式提供，包含 178 张芯片，样本分组信息已在源站描述中给出。使用时可依据样本类型（乳腺癌亚型、正常乳腺组织、TNBC 细胞系）进行分组比较。源站描述提到数据生产涉及不同芯片批次和杂交系列，且已在预处理中加以考虑，因此使用时应关注批次与杂交系列对表达值的影响。数据下载方式、预处理参数和标准化细节源站未提供。
【质量与限制】
数据集包含 23 张技术重复，可用于评估技术变异；源站描述明确不同芯片批次和杂交系列已在预处理中处理。样本量方面，乳腺癌样本为 130 例，正常样本 11 例，TNBC 细胞系 14 例。需要说明的是，正常乳腺组织样本来自乳房缩小术，细胞系仅为 TNBC 细胞系，不覆盖其他亚型细胞系。除源站描述外，数据质量评分、缺失值情况等源站未提供。
【引用与许可】
该数据集来自 NCBI，项目编号为 PRJNA273412。源站未提供具体的引用文献、作者列表和许可条款，使用前应查阅 NCBI 项目页面获取正式引用与使用规定。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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/PRJNA273412
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
对130份乳腺癌样本（41份三阴性乳腺癌；30份Her2型；30份Luminal B型；29份Luminal A型）、11份正常乳腺组织样本及14个三阴性乳腺癌细胞系进行转录组分析。总体设计：本数据集包含178张芯片。其中153张芯片用于分析来自130名不同患者的130份独特乳腺癌样本及23份技术重复样本。此外，还包括11份取自乳房缩小术健康乳腺组织的“正常”样本，以及一组14个乳腺癌细胞系。数据生成涉及不同的芯片批次和杂交系列，这些在数据预处理中均已予以考虑。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
