吸烟者肺癌或头颈癌支气管气道基因表达

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-1690

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

吸烟是导致呼吸道癌症的主要原因，包括非小细胞肺癌（NSCLC）和头颈部癌（HNC）。为了更好地理解肺和上呼吸道的癌变过程，我们对比了来自当前吸烟且患有NSCLC或HNC的患者（SC，视为单一组）、非吸烟者（NS）以及无癌症的吸烟者（SNC）的肿瘤远端、组织学正常的支气管活检样本的基因表达谱。总共97份活检样本的RNA被用于基因表达谱分析（Affymetrix HG-U133 Plus 2.0芯片）。差异表达的基因被用来比较NS、SNC和SC组，并采用Ingenuity Pathway Analysis（IPA）进行功能分析。研究发现，与吸烟相关的呼吸道癌症影响了编码异生物质生物转化蛋白的基因表达，以及与关键炎症/免疫途径相关的蛋白质和其他保护呼吸道免受香烟烟雾中化学物质侵害或促进癌变过程的基因表达。

最后，我们采用微阵列预测分析（PAM）方法来识别吸烟和癌症的基因特征，并发现了一个15基因特征，其区分SNC和SC的准确率为83%。因此，组织学上正常的支气管活检标本的基因谱分析为了解香烟引起的呼吸道癌变过程及吸烟者癌症的基因特征提供了见解。

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。