早期宫颈癌复发预测的基因表达谱分析
其内容围绕早期宫颈癌复发预测，比较基因集预后模型与临床预后模型的预测能力，数据基于接受根治性子宫切除术（伴或不伴辅助治疗）的早期宫颈癌患者队列的 DASL 检测数据构建，用于预测无病生存与复发风险（来源 omicsdi.org）
基本信息
资源简介
早期宫颈癌复发预测的基因表达谱分析
该数据集围绕早期宫颈癌的复发预测展开，核心目的在于比较基因集预后模型与临床预后模型在预测疾病复发方面的能力。研究基于一个单一大规模人群队列，评估遗传定量方法是否能在接受根治性子宫切除术、伴或不伴辅助治疗的早期宫颈癌患者中发挥显著的预后作用。数据集来源于 omicsdi.org，主题标签为 Transcriptomics，本站分类归入肿瘤 / 宫颈癌。其内容涉及利用 DASL 检测数据构建基因集模型，以预测早期宫颈癌患者的无病生存情况，并与同一队列中开发的临床预测模型进行预测能力对比，从而探讨基因层面定量分析在早期宫颈癌复发风险评估中的潜在价值。
【数据集背景】
早期宫颈癌患者在接受根治性子宫切除术（伴或不伴辅助治疗）后，疾病复发风险的准确预测对于后续治疗决策和随访管理具有重要意义。传统上，临床预后模型被用于评估复发可能性，但遗传定量方法是否能够提供额外或更优的预测能力，尚需在统一队列中加以验证。该数据集正是为回答这一问题而构建，旨在通过比较基因集预后模型与临床预后模型的预测能力，明确遗传定量方法在早期宫颈癌患者中的预后角色。
【数据内容】
数据集的核心内容是用于预测早期宫颈癌无病生存的基因集模型，以及与之对比的临床预测模型。基因集模型基于 DASL 检测数据构建，临床预测模型则在同一队列中开发。研究比较了两种模型对疾病复发的预测能力。源站描述中提到，在获取的 DASL 检测图谱中，有 30 例样本获得了 adequate DASL assay profiles，但源站描述在此处截断，未提供后续完整信息。主题标签为 Transcriptomics，表明数据主要涉及转录组层面的检测与分析。
【采集与来源】
数据来源于 omicsdi.org。研究队列由接受根治性手术、伴或不伴辅助治疗的早期宫颈癌患者组成，这些患者在韩国首尔成均馆大学医学院三星医疗中心接受治疗，时间范围为 2002 年 1 月至 2008 年 9 月。基因集模型和临床预测模型均基于该同一队列开发。DASL 检测数据用于构建基因集模型，而临床预测模型则利用同一队列的临床信息。源站描述未提供样本采集、处理、伦理审批及数据存储的具体细节。
【适用场景】
该数据集适用于早期宫颈癌复发预测相关的研究场景，尤其是需要比较基因集预后模型与临床预后模型预测能力的研究。它可以用于探索遗传定量方法在早期宫颈癌患者预后评估中的作用，也可为接受根治性子宫切除术（伴或不伴辅助治疗）患者的无病生存预测提供数据支持。此外，该数据集可能对转录组层面的预后标志物研究、模型验证与方法学比较具有参考价值。
【使用方法】
源站未提供具体的使用方法说明。通常，此类数据集可用于构建或验证基因集预后模型，并与临床预测模型进行性能对比。使用者可能需要依据 DASL 检测数据提取基因表达信息，结合无病生存结局进行模型训练与评估。由于源站描述未提供数据格式、访问方式、预处理步骤或分析代码，具体使用方法需参考源站进一步信息。
【质量与限制】
源站描述提到，在获取的 DASL 检测图谱中，有 30 例样本获得了 adequate DASL assay profiles，但该句在源站描述中未完整结束，因此无法确认最终纳入分析的样本量及数据完整性。研究基于单一大规模人群队列，但队列来源单一，可能影响结果的外推性。源站未提供数据质量控制、缺失值处理、批次效应校正等信息。此外，源站描述未说明基因集模型与临床预测模型的具体性能指标、验证策略或统计方法，因此无法评估其预测能力的稳健性。
【引用与许可】
源站未提供引用格式与许可信息。使用者应直接访问 omicsdi.org 获取该数据集的引用要求与使用许可条款。
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
源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-44001
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
我们比较了在单一大型人群中开发的基因集预后模型与临床预后模型对疾病复发的预测能力，以探讨遗传定量方法在接受根治性子宫切除术并伴或不伴辅助治疗的早期宫颈癌患者中是否具有显著的预后作用。用于预测早期宫颈癌无病生存的基因集模型是利用DASL检测数据集开发的，该数据集来自2002年1月至2008年9月期间在韩国首尔成均馆大学医学院三星医疗中心接受根治性手术并伴或不伴辅助治疗的早期宫颈癌患者队列。临床预测模型也在同一队列中开发，并比较了各模型预测复发的能力。在300例患者中获得了足够的DASL检测谱，我们为基因集模型选择了12个基因。当根据LOOCV程序使用这些基因的预后评分将患者比例分类为低风险或高风险时，Kaplan-Meier曲线显示两组之间的复发率存在显著差异。
临床模型是基于FIGO分期以及术后病理结果建立的。
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。
