PRJNA852592：从基因表达谱预测三阴性乳腺癌亚群的最少基因集鉴定

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA852592

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：三阴性乳腺癌（TNBC）是一种高度异质性的疾病。曾采用多种基因表达和突变谱分析方法对其进行分类，所有这些方法最终都识别出不同的分子亚型，且不同方法之间存在部分重叠。然而，目前缺乏一种标准化的工具来在临床中常规分类TNBC并指导个体化治疗。本研究旨在为Lehman等人于2011年提出的六种TNBC亚型[基底样1型（BL1）、基底样2型（BL2）、间充质型（M）、免疫调节型（IM）、间充质干细胞样型（MSL）和管腔雄激素受体型（LAR）]分别定义特定的基因特征，以便能够准确预测这些亚型。方法：将Lehman的TNBCtype亚型分型工具应用于482例TNBC的RNA测序数据（GSE164458），并通过结合两种类别比较技术与七种属性选择方法，定义了一个最小的亚型特异性基因特征。采用多种机器学习算法进行亚型预测，并将最佳分类器应用于72例意大利TNBC的微阵列数据以及BRCA-TCGA数据集的TNBC子集。

结果：我们定义了两种特征标签，分别包含120个和81个最显著上调和下调的基因，这些基因定义了六种TNBC亚型，预测准确率介于88.6%至89.4%之间，并且在去除最不重要的基因后准确率甚至有所提高。通过网络分析，我们识别出每个亚组内高度互联的基因。在BL1和BL2亚型中发现了两种可作为药物靶点的基质金属蛋白酶，而在LAR亚型中发现了几个与雄激素受体或芳香化酶互补的可成药靶点。在M、IM和MSL亚型的上调基因中，发现了几个次级的药物-靶点相互作用。结论：我们的研究充分利用了现有的TNBC数据集，根据基因表达谱将样本和基因分层为不同的亚型。开发了一种数据挖掘方法，以获取大量信息

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。