83对匹配的肺腺癌与非恶性癌旁组织表达谱

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE75037

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：非小细胞肺癌（NSCLC）包括腺癌（ADC）、鳞状细胞癌（SCC）及其他类型。由于目前大多数NSCLC是通过小活检或细胞学材料诊断的，分类并不总是准确。这是一个问题，因为许多治疗方案和临床试验都依赖于组织学类型。具体目标：开发一种RNA表达特征，作为NSCLC常规组织病理学分类的辅助检测。方法：使用切除的ADC和SCC病例的微阵列数据集作为ADC-SCC特征的学习集。癌症基因组图谱（TCGA）肺RNAseq数据集用作验证集。另一个ADC和 non-malignant 肺的微阵列数据集用作肿瘤-非恶性特征的学习集。分类器选择为差异表达最大的基因，样本分类通过最近距离方法确定。结果：我们开发了一个包含许多用于NSCLC分型免疫染色的基因的42基因表达特征。对TCGA和其他公共数据集的测试获得了高准确率（93-95%）。

我们还观察到，大多数非恶性肺样本被归类为“腺癌”，因此我们增加了20个基因以区分肿瘤与非恶性肺组织。综合起来，62个基因的特征标志能够区分ADC、SCC和非恶性肺组织。此外，我们还推导出一个预测评分，该评分与组织学分级及生存率均相关。总结与意义：我们的组织学分类器提供了一种非主观的方法，有助于肺癌的病理诊断，并辅助基于组织学的临床试验招募工作。

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。