乳腺癌新辅助化疗后基质转录组变化可复现数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22751687

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 30.5 MB。

数据说明

本仓库包含支持研究“采样背景与组织组成对乳腺癌新辅助化疗后基质转录组变化的影响”的完整可重复计算工作流程。该研究是对来自NCBI基因表达综合数据库（GEO）的四个公开可用纵向乳腺癌转录组数据集（GSE191127、GSE21974、GSE32072和GSE32603）进行的回顾性患者层面分析。最终分析数据集包含105对接受治疗的患者和4对未接受治疗的配对对照。本仓库提供了独立重建所报告分析所需的脚本、配置文件、处理后的分析矩阵、预定义的转录特征、患者层面评分、统计输出、图表源数据、计算图表、稳健性分析和可重复性文档。该工作流程按五个连续阶段组织：样本识别与PRE/POST配对，包括明确的纳入和排除规则。从原始GEO数据集进行队列特异性表达重建和基因水平标准化。

计算转录特征评分及衍生变量，包括PROLIF、ECM、FIBROBLAST_LINEAGE、STEM_MES和治疗重塑指数（TRI），并进行敏感性和稳健性分析。进行统计分析和计算图表生成，包括纵向比较、相关与回归分析、精确置换检验以及探索性无复发生存分析。进行独立可重复性审计，将冻结的计算输出与手稿中报告的数值结果相关联，并测试分析的端到端重建。最终的可重复性审计评估了手稿中的170项数值声明，其中170项在报告精度下被分类为EXACT，0项为ROUNDING，0项为DIFFERENT。一项从原始公共GEO输入开始的独立清洁运行测试重新生成

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。