小细胞肺癌预后与治疗选择的蛋白质组学分层
本数据集来自 omicsdi.org，针对手术切除的福尔马林固定石蜡包埋（FFPE）小细胞肺癌（SCLC）样本进行蛋白质组学分析，并将 SCLC 分为 S-I、S-II、S-III 三个亚型
基本信息
资源简介
小细胞肺癌预后与治疗选择的蛋白质组学分层
本数据集围绕小细胞肺癌（SCLC）的蛋白质组学分层展开，研究对象为手术切除的福尔马林固定石蜡包埋（FFPE）样本。通过对这类临床常见保存形式的样本进行蛋白质组学分析，研究将小细胞肺癌划分为 S-I、S-II、S-III 三个亚型，并指出这些亚型在临床结局和化疗反应方面存在差异。数据集英文名称为“Proteomic stratification of prognosis and treatment options for small cell lung cancer”，来源站为 omicsdi.org，主题标签为蛋白质组学，本站分类归入肿瘤 / 肺癌。整体而言，该数据集的核心价值在于以蛋白质组层面的信息支持小细胞肺癌的预后判断与治疗选择探索，为后续研究提供可参考的分层框架。
【数据集背景】
小细胞肺癌是一种临床行为较为特殊的肺癌类型，其预后评估和治疗方案选择一直是临床与转化研究关注的重点。手术切除样本，尤其是经过福尔马林固定、石蜡包埋处理的样本，是病理存档和回顾性研究的重要材料。本数据集正是基于这类 FFPE 小细胞肺癌样本开展蛋白质组学分析，试图从蛋白质表达层面识别不同患者群体之间的差异，并进一步将小细胞肺癌划分为具有不同临床特征的亚型。该研究背景体现了将蛋白质组学技术应用于临床样本分层、以辅助预后判断和治疗决策的思路。
【数据内容】
数据集的核心内容是对手术切除的 FFPE 小细胞肺癌样本进行蛋白质组学分析，并据此将小细胞肺癌分为 S-I、S-II、S-III 三个亚型。源站描述指出，这三个亚型具有不同的临床结局和化疗反应。主题标签为蛋白质组学，本站分类为肿瘤 / 肺癌。除上述信息外，关于具体样本数量、蛋白质鉴定数量、定量方法、临床变量字段、随访时间、化疗方案细节等内容，源站未提供。
【采集与来源】
数据来源站为 omicsdi.org。研究对象为手术切除的福尔马林固定、石蜡包埋（FFPE）小细胞肺癌样本。源站描述表明，研究对这些样本进行了蛋白质组学分析。关于样本采集机构、采集时间、患者纳入与排除标准、伦理审批信息、样本具体来源中心等，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与小细胞肺癌蛋白质组学分层相关的研究场景，例如探索 S-I、S-II、S-III 三个亚型在临床结局和化疗反应差异方面的潜在应用。其 FFPE 样本属性也提示可用于回顾性样本的蛋白质组学研究参考。关于是否适用于其他癌种、其他治疗方式评估、诊断模型开发或前瞻性验证等，源站未提供。
【使用方法】
源站未提供具体的数据下载方式、文件格式、数据处理流程、分析工具或代码说明。关于如何访问该数据集、如何复现亚型划分、如何将亚型与临床结局或化疗反应进行关联分析等操作细节，源站未提供。
【质量与限制】
源站未提供关于数据质量评估、样本量、缺失值处理、批次效应控制、验证队列或独立验证结果等信息。由于研究对象为 FFPE 样本，其蛋白质组学分析可能涉及该类样本固有的技术考量，但源站未提供具体说明。关于该数据集在临床转化中的适用边界和局限性，源站未提供。
【引用与许可】
源站未提供引用格式、许可协议、使用条款或数据共享政策等信息。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://omicsdi.org/dataset/iprox/PXD064316
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
我们通过蛋白质组学分析对手术切除的福尔马林固定、石蜡包埋（FFPE）小细胞肺癌（SCLC）样本进行了研究，并将SCLC分为三个亚型（S-I、S-II和S-III），这些亚型具有不同的临床结局和化疗反应。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
