DCE-MRI与基因表达整合分析构建宫颈癌放化疗失败缺氧相关风险基因分类器

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-72723

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。

数据说明

我们此前已在局部晚期宫颈癌中鉴定出一个预后相关的31基因表达特征，该特征与肿瘤缺氧相关，并由动态对比增强磁共振（DCE-MR）图像参数ABrix反映。为使该特征更接近临床应用，我们在此旨在构建一个包含关键特征基因的分类器，该分类器保留与ABrix的关联，并将患者分为具有不同缺氧状态和放化疗结局的组别。研究纳入了42例患者的训练队列以及两个分别包含108例和131例患者的独立队列。基因表达数据由肿瘤活检样本通过两代Illumina芯片（WG6、HT12）生成，其中74例患者的子集还通过RT-qPCR平台生成。从64例患者的DCE-MR图像中提取Brix药代动力学模型中的振幅ABrix，并将其用作缺氧的衡量指标。在训练队列中构建了不同的分类器。通过评估其根据ABrix正确区分患者的能力，鉴定出一个与ABrix强相关的6基因分类器。

在验证分析中，该分类器将患者分为两组，5年无进展生存概率分别为85%和60%。其预后价值及与ABrix的关联在一个独立队列中得到了证实，并证明了其在不同芯片世代和检测平台间的稳健性。该预后价值独立于现有临床标志物。我们构建了一个稳健的预后缺氧分类器，可单独使用或与DCE-MR成像联合使用，以实现对患者治疗失败风险的早期提示，并将高风险患者分配至辅助性缺氧靶向治疗。共使用Illumina WG-6分析了150例患者样本和2个细胞系样本，使用Illumina HT-12分析了136例患者样本和6个细胞系样本。

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。