血液中用于肺癌诊断的稳健mRNA标志物

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE252168

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

背景：肺癌（LC）是全球癌症死亡的主要原因，每年导致超过170万人死亡。肺癌的早期发现对于实现有效治疗和提高生存率可能至关重要。然而，当前肺癌早期检测方法存在局限性，因为它们侵入性过强且可能带来健康风险，因此迫切需要改进工具以在早期阶段检测肺癌。基于血液的基因表达谱分析是诊断目的的一种替代或补充工具，因为血液样本易于获取、基本无创且采集成本低。然而，由于血液采集方法可能影响所测基因表达，本研究旨在识别血液中作为肺癌稳健生物标志物的mRNA。方法：我们在圣奥拉夫大学医院采集了123名肺癌患者的血液样本，并从两个不同生物样本库获取了180名对照者的样本，这些样本分别采集于两种不同的采血管（PAXgene和Tempus）中，并使用Illumina（HT-12 v4）微阵列测量全血基因表达。

我们进行了三项分析：(i) 寻找病例与对照之间相关的基因表达差异，(ii) 寻找一组稳健的基因，用作识别血液中LC存在的基因组合，以及(iii) 识别具有不同病理特征（如分期和组织学）的患者之间的差异。我们从问卷和医院病历中收集了表型数据，并评估了CRP、肿瘤大小、性别和吸烟习惯的潜在影响。结果：通过比较在同一RNA采样系统上采集的病例和对照（训练集），我们识别出355个具有生物学相关性的显著基因（Bonferroni校正p < 0.05）。当在我们由与训练集中相同病例组成的测试集上评估这些基因，但对照来自不同生物样本库、在不同RNA采样系统上采集（测试集）时，我们发现50个基因具有稳健性，因为它们不受任何技术问题的影响。

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。