利用公共基因表达微阵列数据快速识别非小细胞肺癌预后影像生物标志物

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-28827

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

为了快速识别新的预后影像生物标志物，我们提出了一种整合基因表达与影像数据并利用公共基因表达数据的生物信息学方法。我们在非小细胞肺癌患者中展示了该方法，这些患者有CT、PET/CT和基因表达数据，但没有临床随访资料。我们提取了180个影像特征和56个高质量基因表达聚类，以元基因表示。利用稀疏线性回归和交叉验证，115个影像特征以元基因形式表达，准确率为65-86%。将特征映射到公共基因表达数据集后，26个影像特征与无复发生存期显著相关，22个与总生存期显著相关。多变量分析确定了多个具有预后价值的影像特征，且独立于临床协变量。通过将影像与基因表达及公共基因表达数据集中的结局相关联来识别预后影像生物标志物，有望加速影像在个性化医疗中的作用。

我们在斯坦福大学和帕洛阿尔托退伍军人事务医疗系统伦理审查委员会的批准下，研究了26例同时具备PET/CT和微阵列数据的非小细胞肺癌病例。组织样本的收集包括了从低分化到高分化的腺癌和鳞状细胞癌的分布。外科医生在切除过程中移除了坏死组织，并对空洞性病变进行取样，以尽可能包含实性成分。随后，从切除的肿瘤中，沿其最长轴切取3至5毫米厚的切片，并在切除后30分钟内冷冻。我们取回冷冻组织并提取RNA，随后由斯坦福功能基因组学设施使用Illumina全基因组Bead Chips（Human HT-12 v3.0）进行处理。

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。