非小细胞肺癌表达数据

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-42127

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

目的 前瞻性地识别哪些患者将从辅助化疗（ACT）中获益，将改善非小细胞肺癌（NSCLC）个体患者的临床决策。目前大多数肺癌的分子特征仅具有预后价值，并且对于所选基因的功能重要性提供的信息有限。在本研究中，我们旨在开发并验证一个能够预测NSCLC中ACT临床获益的功能基因集。实验设计 通过系统生物学方法，利用来自主任挑战联盟的大型NSCLC数据集，开发了一个18个枢纽基因的预后特征。该特征的预后价值在来自UT肺SPORE队列以及另外五个公共数据集的NSCLC患者中进行了测试。随后，将18个枢纽基因集与全基因组功能（RNAi）数据和遗传畸变数据整合，以推导出一个用于NSCLC中ACT获益的12基因预测特征。结果 我们表明，18个枢纽基因集能够在四个微阵列平台的所有验证数据集中稳健地预测腺癌患者的预后。

经过优化的12基因功能集在两个独立数据集中得到成功验证。预测获益组在接受ACT后生存率显著改善（JBR.10临床试验数据：风险比=0.36，p=0.038；UT Lung SPORE数据：风险比=0.34，p=0.017），而预测非获益组则未见生存改善。结论这是首个整合遗传畸变、全基因组RNAi功能数据和mRNA表达数据以识别可预测ACT获益的功能基因集的研究。这一12基因预测特征已在两个独立的NSCLC队列中得到验证。若患者在1996年12月至2007年6月期间在MD Anderson Cancer Center接受了NSCLC根治性切除术，则有资格进入该研究，接受放疗的患者被排除在研究之外。所有组织样本均获取

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。