基于FFPE肿瘤组织的乳腺癌复发风险全转录组RNA-Seq分析
数据基于福尔马林固定石蜡包埋（FFPE）肿瘤组织开展全转录组RNA-Seq分析，用于乳腺癌复发风险相关RNA生物标志物的发现与验证
基本信息
资源简介
基于FFPE肿瘤组织的乳腺癌复发风险全转录组RNA-Seq分析
Whole transcriptome RNA-Seq analysis of breast cancer recurrence risk using formalin-fixed paraffin-embedded tumor tissue
该数据集来自search.dataone.org，属于肿瘤/乳腺癌分类，主题涉及Next Generation Sequencing、Breast cancer与Homo Sapiens。数据基于福尔马林固定石蜡包埋（FFPE）肿瘤组织开展全转录组RNA-Seq分析，用于乳腺癌复发风险相关RNA生物标志物的发现与验证。源站描述指出，所建立的RNA-Seq文库化学与生物信息学、生物统计方法可适应低RNA投入和样本多重化，并能在136例患者队列中重现此前RT-PCR识别的复发风险标志物，同时识别出此前在另一队列中通过DNA微阵列发现的高比例复发风险标志物。该数据可用于乳腺癌复发风险的转录组标志物研究与预测建模（来源 DataONE，CC。
【数据内容】
源站描述（机器翻译，仅供参考）：基于RT-PCR的基因表达谱分析从存档的福尔马林固定石蜡包埋（FFPE）组织中发现的RNA生物标志物，构成了广泛使用的临床诊断检测的基础；然而，RT-PCR在可 interrogated 的转录本数量上受到实际限制。我们开发并优化了RNA-Seq文库化学以及生物信息学和生物统计学方法，用于从FFPE组织进行全转录组分析。该化学方法适应低RNA投入和样本多重化。这些方法既能重新发现先前通过对136例患者队列进行RT-PCR分析所识别的疾病复发风险RNA生物标志物，也能识别出此前在另一患者队列中使用DNA微阵列发现的高比例复发风险标志物，这证明该RNA-Seq技术具有足够的精确度和灵敏度
【主题与分类】
主题标签：Next Generation Sequencing、Breast cancer、Homo Sapiens。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Afa9cd968a864b8300b28987201652a5104636d6ee17434410b45408779de84ec
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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。
使用方式
数据集获取
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。
- OpenDataLab:
数据说明
基于RT-PCR的基因表达谱分析从存档的福尔马林固定石蜡包埋（FFPE）组织中发现的RNA生物标志物，构成了广泛使用的临床诊断检测的基础；然而，RT-PCR在可检测转录本数量方面实际上受到限制。我们开发并优化了RNA-Seq文库化学方法以及生物信息学和生物统计学方法，用于从FFPE组织中进行全转录组分析。该化学方法可适应低RNA输入量和样本多重化。这些方法既能重新发现此前通过对136例患者队列进行RT-PCR分析所鉴定的疾病复发风险RNA生物标志物，也能鉴定出此前在另一独立患者队列中使用DNA微阵列发现的高比例复发风险标志物，这证明该RNA-Seq技术对于生物标志物发现具有足够的精确度和灵敏度。超过两千种RNA与乳腺癌强烈相关……
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
