癌前支气管内病变的DNA拷贝数图谱：支气管内癌的验证预测因子

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-45287

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

出现癌前支气管内病变的个体被视为肺癌高危人群。然而，癌前病变行为难以预测，仅少数会进展为肺癌。因此，需要发现能够帮助评估个体后续患癌风险的生物标志物，以便更好地制定治疗选择并避免不必要的随访程序。我们最近提出了一种基于3p26.3-p11.1、3q26.2-29和6p25.3-24.3区域DNA拷贝数改变（CNAs）的分类器，作为支气管内癌的风险预测指标。本研究旨在在一个独立的、具有不同组织学级别的癌前支气管内病变系列中验证该分类器。对36例支气管内癌前病变（8例鳞状化生，28例不同级别的异型增生）进行了阵列比较基因组杂交（arrayCGH）分析，这些病变来自12例在随访支气管镜检查中原位出现原位癌或癌（≥CIS）的病例受试者以及24例保持无癌的对照受试者，均在自体荧光支气管镜检查中被发现。DNA拷贝数谱与病变结局进行了关联分析。

本研究确定了先前定义的分子分类器在该系列中预测支气管内癌的准确性。无监督层次聚类分析显示，聚类分组与病变结局之间存在显著关联（p< 0.001），且独立于组织学分级，对照组表现为静息型图谱（24/24），大多数病例表现为异常型图谱（9/12）。我们预先定义的分类器在当前样本系列中预测癌症结局的准确率达到92%。我们经过验证的分类器在将癌前支气管内病变患者按后续癌症风险进行分层方面具有很大前景。36份癌前支气管内活检的新鲜冷冻标本。将测试样本与正常男性/女性参考DNA的外部混合池进行比较。

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。