非小细胞肺癌二代测序（RNA测序）

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-81089

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

癌睾丸抗原（CTA）作为生物标志物具有临床意义，并为免疫治疗提供了有价值的靶点。为全面刻画非小细胞肺癌（NSCLC）的CTA全貌，我们将199份NSCLC组织的RNAseq数据与来自32种不同正常器官的142份样本的正常转录组进行了比较。在当前CTdatabase注释的232个CTA中，有96个在NSCLC中得到确认。为获得NSCLC无偏倚的CTA特征谱，我们对RNAseq数据集采用严格标准，并将90个基因定义为CTA，其中55个基因未在CTdatabase中注释。聚类分析显示，CTA表达具有组织学依赖性，且共表达很常见。免疫组化证实了所选基因的组织特异性蛋白表达。此外，基于来自Cancer Genome Atlas的独立数据，甲基化被确定为CTA表达的一种调控机制。CTA在肺癌中推测的预后影响，在我们的RNAseq队列中以及1117例NSCLC病例的独立荟萃分析中均未得到证实。新鲜冷冻肿瘤组织来自199例诊断为NSCLC并于2006-2010年在瑞典乌普萨拉大学医院接受手术治疗的患者，以及19份配对正常肺组织。临床数据取自地区肺癌登记处。若干新CTA的特征描述不足。样本特征值表示：pTNM：由Lund的病理学家Hans Brunnstrom于2013年春季判定。根据pTNM的分期：1=1a，2=1b，3=2a，4=2b，5=3a，6=3b，7=IV。组织学诊断（2013年春季，HB）：1=鳞状细胞癌，2=AC未指定，3=大细胞/NOS。手术日期：样本到达Patologen UAS的日期。年龄：手术时的年龄。生存状态日期：死亡日期或最近一次联系日期。死亡：0=否，1=是。吸烟史：1=当前吸烟，2=既往吸烟>1年，3=从不吸烟。WHO体能状态：体能状态0-4。请注意，L608T_2122、L771T_1数据列（在处理后的数据文件中）与……相关。

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。