DCEG 肺癌研究

数据集获取

源站：https://omicsdi.org/dataset/dbgap/phs000336

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

全基因组关联研究（GWAS）已识别出三个与肺癌风险相关的遗传位点，但特定组织学类型肺癌的遗传易感性尚未明确。我们开展了一项肺癌及其主要组织学类型的GWAS，对来自一项基于人群的病例对照研究和三项队列研究的5，739例新发肺癌病例和5，848例对照进行了515，922个单核苷酸多态性（SNP）的基因分型。结果与另外10项研究的汇总数据相结合，共计13，300例欧洲裔病例和19，666例欧洲裔对照。四项研究还提供了用于验证的组织学数据，共计3，333例腺癌（AD）、2，589例鳞状细胞癌（SQ）和1，418例小细胞癌（SC）。在按组织学类型进行的分析中，位于染色体5p15.33的rs2736100（TERT）与腺癌风险相关（OR=1.23，95%CI=1.13-1.33，P=3.02x10^-7），但与其他组织学类型无关（SQ的OR=1.01，P=0.84；SC的OR=1.00，P=0.93）。

这一发现在每个重复研究和总体荟萃分析中均得到证实（腺癌的OR=1.24，95%CI=1.17-1.31，P=3.74x10^-14；鳞状细胞癌的OR=0.99，P=0.69；小细胞癌的OR=0.97，P=0.48）。先前报道的15q25和6p21上的其他关联信号也得到了细化，但未发现额外的位点达到全基因组显著性。总之，一项肺癌GWAS识别出了腺癌独特的遗传贡献。注意：将向dbGaP和caBIG发布的肺研究数据集排除了PLCO队列中仅同意参与癌症研究项目的47个个体，以及因更新质量控制而排除的22个个体。因此，发布的数据集源自11517名受试者，包括5699例病例和5818例对照。经过更新的质量控制后，将向dbGaP和caBIG发布的数据集包含506062个SNP。

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。