PRJNA92973：乳腺癌数据集

该数据集来自 NCBI，主题为转录组或基因表达，聚焦乳腺癌。源站描述指出，基于 DNA 微阵列的基因表达特征可用于定义癌症亚型、疾病复发及特定治疗反应，并开发了可反映多条致癌通路激活状态的基因表达特征；在大型人类癌症集合中评估时，这些特征能识别肿瘤中的通路失调模式，并与疾病结局存在临床相关关联

sra

时间序列分类Transcriptome or Gene expression

基本信息

模态

时间序列

任务类型

分类

创建/更新时间

2026-10-20

资源简介

PRJNA92973：乳腺癌数据集

PRJNA92973: Breast Cancer Dataset 来源于 NCBI（ncbi.nlm.nih.gov），在分类上归属于肿瘤 / 乳腺癌方向，主题标签为转录组或基因表达。该数据集围绕 DNA 微阵列基因表达特征在人类癌症中的应用展开，其源站描述强调：利用基于 DNA 微阵列的基因表达特征来定义癌症亚型、判断疾病复发以及预测对特定治疗的反应，已在多项研究中得到展示；这类数据对于分析致癌过程中处于核心地位的细胞信号通路同样具有重要价值。围绕这一重点，相关研究开发了一系列能够可靠反映多条致癌通路激活状态的基因表达特征，并在若干大型人类癌症集合中进行评估，结果显示这些特征可以识别肿瘤中的通路失调模式，并揭示与疾病结局之间具有临床相关性的关联。通过整合多条通路的特征预测，还能够识别出具有协调性的通路失调模式，从而区分特定癌症类型。

【数据集背景】

该数据集所属的研究背景聚焦于肿瘤特别是乳腺癌中的基因表达特征分析。源站描述指出，使用 DNA 微阵列的基因表达特征来定义癌症亚型、疾病复发和对特定疗法的反应，已经在多项研究中得到证明。这类数据对于分析致癌过程中处于核心地位的细胞信号通路也具有实质意义。正是在这一背景下，研究者开发了一系列基因表达特征，用以可靠反映若干致癌通路的激活状态，并将这些特征应用于大型人类癌症集合的评估之中，以观察肿瘤内的通路失调模式及其与临床结局的关联。

【数据内容】

该数据集的主题标签为转录组或基因表达，表明其数据内容属于基因表达层面的测量信息。依据源站描述，数据集所承载的核心内容是能够反映多条致癌通路激活状态的基因表达特征，以及在大型人类癌症集合中评估这些特征时所识别出的通路失调模式。源站描述还提到，将多条通路的特征预测进行组合，可以识别出协调性的通路失调模式，并用于区分特定癌症类型。关于数据集的具体样本数量、基因数量、平台型号、文件格式与数据规模等信息，源站未提供。

【采集与来源】

该数据集来源于 NCBI（ncbi.nlm.nih.gov），数据集英文名为 PRJNA92973: Breast Cancer Dataset。其数据基础是 DNA 微阵列基因表达测量，源站描述提及这些特征是在若干大型人类癌症集合中进行评估的。关于样本采集地点、采集时间、受试者来源与纳入排除标准等具体采集信息，源站未提供。

【适用场景】

根据源站描述，该数据集所对应的基因表达特征可用于定义癌症亚型、判断疾病复发以及评估对特定治疗的反应；同时可用于分析致癌过程中核心的细胞信号通路，识别肿瘤中的通路失调模式，并考察其与疾病结局之间的临床相关关联。此外，组合多条通路的特征预测有助于识别协调性的通路失调模式，从而区分特定癌症类型。关于该数据集在其他具体研究场景中的适用性，源站未提供。

【使用方法】

源站描述表明，该数据集的使用方式涉及基于 DNA 微阵列的基因表达特征分析：将反映多条致癌通路激活状态的基因表达特征应用于人类癌症样本集合，评估通路失调模式，并将特征预测结果跨通路组合以识别协调模式。关于具体的预处理步骤、归一化方法、分析软件与参数设置等操作细节，源站未提供。

【质量与限制】

源站描述提到这些基因表达特征能够可靠反映若干致癌通路的激活状态，并在大型人类癌症集合中识别出通路失调模式及与疾病结局的临床相关关联。关于数据集的质控指标、缺失值情况、批次效应评估以及明确的使用限制，源站未提供。

【引用与许可】

该数据集来自 NCBI（ncbi.nlm.nih.gov），数据集英文名为 PRJNA92973: Breast Cancer Dataset。关于具体的引用文献、作者列表、许可条款与使用限制，源站未提供。

原始链接

https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE3143

访问原始数据

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA92973

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。

数据说明

人类癌症中致癌通路失调的特征。利用基于DNA微阵列的基因表达特征来界定癌症亚型、疾病复发以及对特定疗法的反应，已在多项研究中得到证实。此类数据对于分析致癌过程中核心的细胞信号通路也具有重要意义。基于这一焦点，我们开发了一系列基因表达特征，这些特征能够可靠地反映若干致癌通路的激活状态。在多个大型人类癌症集合中进行评估时，这些基因表达特征能够识别肿瘤中的通路失调模式，以及与疾病结局相关的临床相关性。将跨多条通路的基于特征的预测相结合，可识别出协调一致的通路失调模式，从而区分特定癌症与肿瘤亚型。基于通路特征对肿瘤进行聚类进一步界定了各患者亚组的预后，表明致癌通路失调的模式是致癌表型发展的基础，并反映了特定癌症的生物学特征与结局。

此外，癌细胞系中通路失调的预测结果与靶向该通路组分的治疗药物的敏感性相吻合，这突显了此类通路预测在指导靶向治疗应用方面的潜力。关键词：其他总体设计：从原发性乳腺肿瘤的冷冻组织中提取RNA进行基因芯片分析。

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