Institut Curie乳腺癌样本表达谱数据集（Maire队列）--Affy CDF
该数据集来自ncbi.nlm.nih.gov，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及14例TNBC细胞系，共178张芯片，其中153张用于分析130例独特乳腺癌样本及23个技术重复
基本信息
资源简介
Institut Curie乳腺癌样本表达谱数据集（Maire队列）--Affy CDF
PRJNA273413 是一个聚焦乳腺癌转录组表达谱的公开数据集，来源于 ncbi.nlm.nih.gov，在本站归入肿瘤 / 乳腺癌分类。该数据集围绕乳腺癌样本的基因表达特征展开，覆盖了多种分子亚型的乳腺癌样本、正常乳腺组织以及三阴性乳腺癌细胞系，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，并包含 23 个技术重复；此外还纳入 11 例来自健康乳腺组织的正常样本和 14 个乳腺癌细胞系。数据生产涉及不同的芯片批次与杂交系列，这些因素在数据预处理中已加以考虑。该数据集适合用于乳腺癌分子分型、亚型间表达差异以及正常组织与肿瘤组织对比等转录组层面的研究。
【数据集背景】
乳腺癌是一种在分子层面具有显著异质性的肿瘤，不同亚型在基因表达模式、临床行为等方面存在差异。对乳腺癌样本进行转录组或基因表达谱分析，有助于刻画不同亚型之间的表达特征。该数据集正是围绕乳腺癌样本的表达谱分析而建立，英文名称中标注了样本来自 Institut Curie 的 Maire 队列，并采用 Affy CDF 相关的芯片平台信息。其主题标签为 Transcriptome or Gene expression，表明数据核心是转录组或基因表达层面的测量结果。数据集的整体设计覆盖了多种乳腺癌分子亚型、正常乳腺组织以及三阴性乳腺癌细胞系，为在表达谱层面比较不同样本类型提供了基础。
【数据内容】
该数据集共包含 178 张芯片。样本构成包括 130 例乳腺癌样本，具体为 41 例 TNBC、30 例 Her2、30 例 Luminal B 和 29 例 Luminal A；此外还包括 11 例正常乳腺组织样本和 14 个 TNBC 细胞系。在芯片使用方面，153 张芯片用于分析来自 130 位患者的 130 例独特乳腺癌样本，并包含 23 个技术重复；其余芯片则涉及正常样本和细胞系。正常样本来自健康乳腺组织，获取方式为乳房缩小整形术（mammoplasty）。细胞系部分为三阴性乳腺癌细胞系集合。整体设计同时覆盖肿瘤样本、正常组织与细胞系三类材料，样本亚型划分明确。
【采集与来源】
该数据集来源于 ncbi.nlm.nih.gov。样本方面，130 例乳腺癌样本来自 Institut Curie 的 Maire 队列，对应 130 位患者；11 例正常样本取自健康乳腺组织，来源为乳房缩小整形术；14 个细胞系为 TNBC 细胞系。数据生产过程中涉及不同的芯片批次和杂交系列，这些批次与系列因素已在数据预处理阶段予以考虑。除上述来源与处理信息外，源站未提供更详细的采集地点、时间跨度或伦理审批等信息。
【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之间的基因表达谱比较，例如 TNBC、Her2、Luminal B 与 Luminal A 之间的表达差异分析；也可用于乳腺癌组织与正常乳腺组织之间的转录组对比，以及 TNBC 细胞系与 TNBC 肿瘤样本之间的表达特征参照。主题标签表明其适用于转录组或基因表达相关研究。由于包含技术重复，该数据还可用于评估同一生物样本在芯片测量中的重复性表现。具体研究用途需结合源站提供的原始数据与分析设计确定。
【使用方法】
使用该数据集时，应关注其芯片批次与杂交系列差异，因为数据生产涉及不同批次和系列，且这些因素已在预处理中加以考虑。分析中可利用 23 个技术重复评估测量一致性，并在比较不同亚型或样本类型时注意样本数量差异。对于 130 例乳腺癌样本，应按 TNBC、Her2、Luminal B、Luminal A 的亚型标签进行分组；正常样本与细胞系应作为独立类别处理。关于具体的预处理方法、归一化策略和芯片平台注释细节，源站未提供完整说明，使用前应查阅源站原始记录。
【质量与限制】
该数据集包含 178 张芯片，其中 153 张用于 130 例独特乳腺癌样本及 23 个技术重复，样本亚型分布为 41 例 TNBC、30 例 Her2、30 例 Luminal B 和 29 例 Luminal A，另有 11 例正常样本和 14 个 TNBC 细胞系。数据生产涉及不同芯片批次与杂交系列，虽已在预处理中考虑，但批次效应对分析的影响仍需关注。正常样本数量相对较少，细胞系仅覆盖 TNBC 一种类型。关于样本的临床随访信息、测序或芯片的具体质量指标、缺失值情况等，源站未提供。
【引用与许可】
该数据集来源于 ncbi.nlm.nih.gov，英文名称中标注了 PRJNA273413 及 Institut Curie 的 Maire 队列。关于具体的引用文献、作者列表、许可条款和使用限制，源站未提供，使用时应以源站页面公布的信息为准。
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/PRJNA273413
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同样数量患者的130份独特乳腺癌样本及23份技术重复样本。此外，还包括11份源自乳房缩小整形术所获健康乳腺组织的“正常”样本，以及一组14个乳腺癌细胞系。数据产出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。
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。
