非小细胞肺癌生物标志物发现：整合基因表达谱、meta分析与组织芯片验证

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-37745

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

背景：全球基因表达谱分析已广泛应用于肺癌研究，旨在识别具有临床相关性的分子亚型，并预测预后和治疗反应。迄今为止，这些多基因特征在临床实践中的价值尚不明确，且由于已发表的基因特征几乎不重叠，单个基因的生物学重要性难以评估。方法：在此，我们描述了一个新的单中心队列，包括196例具有临床信息和长期随访的非小细胞肺癌（NSCLC）病例，该队列被用作训练集，以筛选具有预后影响的单个基因。使用单变量Cox回归模型（显著性水平p<0.01）鉴定出的前450个基因探针集，在一个包含五个公开可用的独立肺癌队列（n=860）的荟萃分析中进行了验证。结果：荟萃分析显示，17个探针集与生存显著相关（p<0.0005），错误发现率为1%。其中一种基因，即细胞粘附分子1（CADM1）的预后影响，通过在一个包含355例NSCLC样本的组织微阵列上进行免疫组织化学分析得到了证实。

CADM1蛋白低表达与较短的生存期相关（p=0.028），在腺癌患者亚组中影响尤为显著（p=0.002）。结论：我们利用一个新的非小细胞肺癌队列结合荟萃分析方法，能够验证具有独立预后影响的单个基因。CADM1被确定为一种免疫组化标志物，具有应用于临床诊断的潜力。采用Affymetrix微阵列HG-U133-Plus2对1995年至2005年间接受手术的196例连续非小细胞肺癌患者的新鲜冷冻组织进行了分析。临床数据取自区域肺癌登记处。

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。