PRJNA505812：乳腺癌新辅助化疗治疗中生物标志物预测响应

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA505812

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

背景：新辅助化疗越来越多地被用于术前缩小乳腺肿瘤。这种方法也为研究与治疗相关的分子变化提供了机会，并可评估治疗中的连续样本是否比单独使用诊断或切除样本更能改善反应和结果预测。方法：来自NEO试验的50例新辅助化疗治疗的初治乳腺癌患者队列（年龄29-76岁，48% ER+，20% HER2+）的95份样本，分别在治疗前、治疗2周时、治疗中期和切除时采集，并使用Ion Ampliseq转录组测序，获得12,635个基因的表达值。根据病理完全缓解定义16例应答者和34例无应答者，并跨治疗时间进行差异表达分析，以识别显著差异表达的基因、通路和指示应答状态的标志物。将该数据集的预测准确性与已建立的基因特征估计进行比较，并使用I-SPY1试验的数据进行验证。

结果：AAGAB被确定为一种新的治疗中病理完全缓解生物标志物，在NEO训练数据集中准确率为100%，在I-SPY1试验中准确率为78%。在两个队列中，治疗中的AAGAB水平也显著预测了长期生存（p = 0.048，p = 0.031）。这一单基因治疗中生物标志物比已建立的预后检测Mammaprint和Pam50复发风险评分的预测准确性更高，尽管有趣的是，这两种检测在治疗中而非公认的治疗前环境中的表现更好（准确性持续提高2-8%）。结论：在接受新辅助化疗的乳腺癌患者连续样本中测量的基因表达变化，导致发现了一种新的治疗中生物标志物，并表明已建立的预后检测可能具有更

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。