非酒精性脂肪肝来源肝细胞癌转录组图谱
该数据集来源于 omicsdi.org，提供非酒精性脂肪肝相关肝细胞癌的转录组图谱，主题标签为 Transcriptomics
基本信息
资源简介
非酒精性脂肪肝来源肝细胞癌转录组图谱
该数据集英文名为 Transcriptome profile of hepatocellular carcinoma from non-alcoholic fatty liver，来源于 omicsdi.org，主题标签为 Transcriptomics，本站将其归类于肿瘤 / 肝癌方向。数据集提供非酒精性脂肪肝相关肝细胞癌的转录组图谱，围绕非酒精性脂肪肝病进展为肝细胞癌这一临床问题组织数据。源站描述指出，非酒精性脂肪肝病在全球范围内患病率高，并可进展为肝纤维化与肝细胞癌；肝细胞癌即使经根治性手术切除，复发率仍极高，5 年内可达 70%，因此预测复发对辅助治疗决策具有潜在价值。该数据集所对应的研究据此构建了基于肝细胞癌转录组的特征签名，用于预测播散性复发，并在独立队列中进行了验证。
【数据集背景】
非酒精性脂肪肝病是重要的全球健康问题，其高患病率以及进展为致命并发症的风险受到关注。其严重并发症包括进行性肝纤维化和肝细胞癌。源站描述特别指出，肝细胞癌是美国唯一死亡率仍在上升的癌症。即使接受根治性外科切除，肝细胞癌仍可能以极高比例复发，5 年内复发率可达 70%。因此，对复发肝细胞癌的预测被认为有望指导新辅助或辅助治疗决策，而相关治疗目前正处于积极开发之中。该数据集正是在这一背景下产生，聚焦于非酒精性脂肪肝相关肝细胞癌的转录组特征。
【数据内容】
该数据集的主题标签为 Transcriptomics，即转录组学，提供非酒精性脂肪肝相关肝细胞癌的转录组图谱。依据源站描述，研究所构建的是基于肝细胞癌转录组的特征签名，用于预测播散性复发；该复发被描述为起源于手术切除初始肿瘤后的播散性肝细胞癌细胞。该特征签名在独立队列中得到了验证。关于数据的具体样本数量、测序平台、基因数量、文件格式与数据体积等信息，源站未提供。
【采集与来源】
该数据集来源于 omicsdi.org。源站描述提及研究涉及手术切除的初始肿瘤以及独立验证队列，但关于样本采集地点、采集时间、纳入排除标准、伦理审批信息以及具体实验流程等细节，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与非酒精性脂肪肝相关肝细胞癌转录组特征相关的研究场景，尤其是围绕肝细胞癌术后播散性复发预测的特征签名构建与验证工作。其主题标签表明其属于转录组学数据，可用于转录组层面的分析。关于该数据集在其他具体研究场景中的适用性，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据下载方式、预处理步骤、分析流程与软件工具等信息。
【质量与限制】
源站描述提到特征签名在独立队列中进行了验证，但关于数据质量评估指标、批次效应、样本代表性以及使用限制等信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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/geo/GSE214432
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
非酒精性脂肪性肝病（NAFLD）是一个重大的全球健康问题，其患病率高，且存在发展为致死性并发症、进行性肝纤维化和肝细胞癌（HCC）的风险，而HCC是美国唯一死亡率仍在上升的癌症。即使在根治性手术切除后，HCC仍可能以极高比例复发（5年内达70%）；因此，预测复发性HCC有望为目前正在积极开发的新辅助/辅助治疗决策提供指导。在此，我们构建了一个基于HCC转录组的特征标签，用于预测播散性复发（其来源于手术切除原发肿瘤后播散的HCC细胞），并在一个独立队列中对其进行了验证。
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。
