用于队列生存分析的已处理TNBC患者数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22817318

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。

数据集大小约 792.4 MB。

数据说明

本记录包含与TNBC公共队列生存分析流程相关的经处理的乳腺癌队列数据集。数据集以R SummarizedExperiment对象形式提供，包括四个队列：SCAN-B、TCGA、METABRIC和BrighTNess。这些数据集经过整理，用于可重复的基因特征评分以及与总生存期或病理完全缓解的关联分析。数据结构每个.rds文件包含一个SummarizedExperiment对象，其结构如下：行代表基因；列代表患者或肿瘤样本；assays()包含经处理的基因表达矩阵；rowData()包含基因水平注释（在可用的情况下）；colData()包含样本水平临床注释、终点指标和模型协变量；metadata(se)$gsva$scores包含预计算的通路活性矩阵（在可用的情况下）；metadata(se)$tf_activity$scores包含使用单变量线性模型方法生成的预计算转录因子活性估计值（在可用的情况下）。队列特定内容SCAN-B：RNA-seq表达数据以tpm1p（log1p(TPM)）形式存储，并包含总生存期信息和临床协变量。

TCGA：RNA-seq表达数据以tpm1p形式存储，包含总生存信息和临床协变量。METABRIC：微阵列表达数据以log2_expression形式存储，包含总生存信息和临床协变量。BrighTNess：RNA-seq表达数据以tpm1p形式存储，包含病理缓解信息，分类为病理完全缓解（pCR）或残留病灶（RD）。在可用的情况下，这些对象还包含通路集合的GSVA评分，如Hallmark、Reactome、KEGG Legacy和Gene Ontology Biological Process，以及推断的转录因子活性。这些处理后的对象设计为可直接由随附的R和Jupyter工作流加载。该流程支持单基因表达、使用GSVA或singscore进行基因集评分、均值或中位数基因z分数、基于百分位数的患者分层、Kap

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。