数据集获取

源站：https://synapse.org/Synapse:syn24180458

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

基于共识基因表达特征预测Nivolumab应答

Szilvia Barsi^1^ Dániel Garger^1^, László Hunyady^1^, Gábor Turu^1^, Bence Szalai^1^
^1^ Semmelweis University，生理学系，匈牙利布达佩斯
Synapse IDs: basvaat@synapse.org, djeke@synapse.org, hunyady@synapse.org, gaborturu@synapse.org, SzalaiB@synapse.org

验证数据预处理

我们使用了基因水平TPM数据。对于每种组织学类型（鳞状/非鳞状），我们对基因表达值进行了标准化。

模型1

利用现有的不同免疫肿瘤学数据集，我们创建了一个药物应答的共识特征。从该基因集中，我们剔除了与接受非免疫肿瘤药物治疗患者生存相关的基因（使用TCGA [1]的LUAD和LUSC数据集数据）。我们计算了这些基因在预处理后验证数据集中的平均表达，并进行了基于三分位数的离散化。这些评分与distressed TMB特征相加（使用[2]中的截断值），并作为预测评分提交。

模型2

利用相同的免疫肿瘤学数据集，我们创建了一种基于随机森林分类的方法，以对应答/无应答患者进行分类。验证集中的预测概率经基于三分位数的离散化后，与离散化TMB评分相加，并作为预测评分提交。

提交：

• SC1：模型1
• SC2：模型1
• SC3：模型2

参考文献：
[1] TCGA Network：肺腺癌综合分子谱分析；Nature 2014
[2] Carbone DP 等…

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。