丙型肝炎后与酒精中毒后肝细胞癌：系列3
该数据集来自 NCBI GEO（GSE3632），主题为丙型肝炎后与酒精中毒后肝细胞癌的基因表达谱比较。研究使用覆盖肝脏转录本的 cDNA 阵列，比较肿瘤与配对肝硬化或对照的转录水平比值，并按病因（酒精中毒 vs 丙型肝炎病毒）分组
基本信息
资源简介
丙型肝炎后与酒精中毒后肝细胞癌：系列3
Post-hepatitis C and post-alcoholism hepatocellular carcinomas: series 3
该数据集来自 NCBI GEO（GSE3632），主题为丙型肝炎后与酒精中毒后肝细胞癌的基因表达谱比较。研究使用覆盖肝脏转录本的 cDNA 阵列，比较肿瘤与配对肝硬化或对照的转录水平比值，并按病因（酒精中毒 vs 丙型肝炎病毒）分组。采用 Significance Analysis of Microarray 识别转录水平变化最具信息量的基因，在 12 例酒精性 vs 10 例 HCV 患者中比较肿瘤/肝硬化或肿瘤/对照比值，共发现 31 个转录本的变化比值可将患者按病因聚类。数据可用于肝癌病因相关表达模式分析与分类研究（来源 NCBI）。
【数据集背景】
源站首次发布：Nov 18 200。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究的目的是比较丙型肝炎（HCV）后与酒精中毒（ALC）后肝细胞癌的基因表达谱。通过使用几乎覆盖肝脏中每个转录本的 cDNA 阵列进行转录组分析，我们按病因（即酒精中毒（ALC）与丙型肝炎病毒（HCV））比较了肿瘤与配对肝硬化或肿瘤与对照。所谓的微阵列显著性分析（Significance Analysis of Microarray）用于识别转录水平变化最具信息量的基因。在 12 例酒精性 vs 10 例 HCV 患者之间比较肿瘤/肝硬化比值或肿瘤/对照比值，共鉴定出 31 个转录本，其改变后的比值可将患者按病因适当聚类。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：Expression profiling by array、GPL3064、9606。本站分类：肿瘤/肝癌。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE3632
【使用注意】
· 源站最后修改于 Mar 16 201，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE3632
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
本研究的目的是比较丙型肝炎（HCV）后与酒精中毒（ALC）后肝细胞癌的基因表达谱。借助几乎覆盖肝脏中所有转录本的cDNA阵列进行转录组分析，我们根据病因（即酒精中毒（ALC）与丙型肝炎病毒（HCV））比较了肿瘤与配对肝硬化或肿瘤与对照组的差异。采用所谓的微阵列显著性分析来识别那些转录水平变化最具信息量的基因。对12例酒精中毒患者与10例HCV患者的肿瘤/肝硬化比值或肿瘤/对照组比值进行比较，共鉴定出31个转录本，其改变后的比值能根据病因将患者适当聚类。关键词：病因分析
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。
