肝细胞癌BCLC分期与总生存期生物标志物识别
本数据集来自 search.dataone.org，主题为肝细胞癌（HCC）的 BCLC 分期与患者总生存期相关生物标志物识别
基本信息
资源简介
肝细胞癌BCLC分期与总生存期生物标志物识别
Identification of biomarkers for Barcelona Clinic Liver Cancer staging and overall survival of patients with hepatocellular carcinoma
本数据集来自 search.dataone.org，主题为肝细胞癌（HCC）的 BCLC 分期与患者总生存期相关生物标志物识别。研究从 Gene Expression Omnibus 数据库下载 4 个基因表达数据集，通过显著性分析筛选 HCC 与正常肝组织间差异表达基因，并利用加权基因共表达网络分析（WGCNA）识别与 BCLC 分期相关的 hub 基因，结合功能富集分析、蛋白互作网络分析、UALCAN 分期表达评估及生存分析，阐明 hub 基因对患者总生存期的影响。数据可用于肝癌分期相关标志物筛选与预后预测研究（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究的目的是识别与巴塞罗那临床肝癌（BCLC）分期系统及肝细胞癌（HCC）患者预后相关的生物标志物。我们从 Gene Expression Omnibus 数据库（ 4 个基因表达数据集，并使用微阵列显著性分析算法筛选在 HCC 与正常肝组织之间差异表达的基因。我们使用加权基因共表达网络分析（WGCNA）识别与 BCLC 分期相关的 hub 基因，使用功能富集分析将 hub 基因与其功能相关联，使用蛋白质-蛋白质相互作用网络分析识别 hub 基因之间的相互作用，使用 UALCAN 分析基于肿瘤分期评估基因表达水平，并使用生存分析阐明 hub 基因对患者总生存期的影响。
【主题与分类】
主题标签：homo species、Holocene、Hepatocellular carcinoma。本站分类：肿瘤/肝癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A3def93b15082994d8193458ac2e93da23f6cbf71af7792214a71729d74719c90
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
本研究的目的是识别与巴塞罗那临床肝癌(BCLC)分期系统及肝细胞癌(HCC)患者预后相关的生物标志物。我们从基因表达综合数据库(http://www.ncbi.nlm.nih.gov/geo)下载了4个基因表达数据集，并采用微阵列显著性分析算法筛选在HCC与正常肝组织间差异表达的基因。我们运用加权基因共表达网络分析(WGCNA)来识别与BCLC分期相关的核心基因，通过功能富集分析将核心基因与其功能相关联，利用蛋白质-蛋白质相互作用网络分析来确定核心基因间的相互作用，采用UALCAN分析根据肿瘤分期评估基因表达水平，并进行生存分析以阐明核心基因对患者总生存期(OS)的影响。我们使用WGCNA识别出50个相关核心基因；其中，13个基因(包括TIGD5，……
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。
