基于血浆miRNA的小细胞肺癌诊断分类器数据集 [NanoString]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE240758

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：小细胞肺癌（SCLC）以预后差和诊断困难为特征。在高风险吸烟者中进行筛查可降低肺癌死亡率，然而筛查工作主要集中于非小细胞肺癌（NSCLC）。SCLC的诊断和监测仍面临重大挑战。据报道，循环microRNA（miRNA/miR）的异常表达见于多种肿瘤，可为肿瘤发生发展的机制提供线索。在此，我们对SCLC中的循环miRNA进行了全面评估，旨在开发基于miRNA的生物标志物分类器，以辅助SCLC诊断。材料与方法：我们分析了SCLC患者血浆中失调的循环无细胞miRNA。我们在训练队列中检测了选定的miR，并通过整合miRNA表达与患者临床数据构建了分类器。最后，我们在验证数据集中应用了该分类器。结果：我们确定miR-375-3p可区分SCLC与NSCLC患者，以及SCLC与鳞状细胞癌患者。

此外，我们发现一个包含miR-375-3p、miR-320b和miR-144-3p的模型可以与种族和年龄相结合，以区分转移性SCLC与对照组。结论：本研究提出了一种基于miRNA的SCLC生物标志物分类器，该分类器考虑了临床人口学特征并设定了特定的截断值，以辅助SCLC诊断。

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。