肺腺癌表达数据
该数据集来自 omicsdi.org，使用 Affymetrix Human Genome U133A 平台获取 28 例病理与临床特征明确的肺腺癌基因表达谱，并通过荧光原位杂交和免疫组化确定 EGFR 状态
基本信息
资源简介
肺腺癌表达数据
该数据集英文名为 Expression data from lung adenocarcinoma，来源于 omicsdi.org，主题归类为转录组学，在本站分类中属于肿瘤 / 其他。数据集使用 Affymetrix Human Genome U133A 平台，获取了 28 例在病理学和临床特征上均得到明确表征的肺腺癌样本的基因表达谱；同时，研究还通过荧光原位杂交和免疫组织化学方法确定了这些样本的 EGFR 状态。研究进一步利用聚类算法对表达数据进行病例分类，结果显示分类结果与肿瘤的组织病理学分级存在显著相关性，而未观察到基因表达数据与 EGFR 状态之间存在相关性。整体而言，该数据集围绕肺腺癌的基因表达特征展开，适合用于转录组层面的肿瘤分型与分子特征分析。
【数据集背景】
肺腺癌是肺癌的主要组织学类型之一，其分子特征与组织病理学表现之间的关系是肿瘤研究的重要方向。该数据集正是针对这一背景产生：研究对 28 例病理与临床特征明确的肺腺癌病例进行基因表达谱检测，并同步评估 EGFR 状态，以考察表达谱分类与组织病理学分级、EGFR 状态之间的关系。数据集的主题标签为转录组学，本站分类归入肿瘤 / 其他，体现了其以肿瘤转录组数据为核心的内容定位。
【数据内容】
数据集的核心内容是 28 例肺腺癌样本的基因表达谱，检测平台为 Affymetrix Human Genome U133A。除表达谱外，数据集相关研究还包含 EGFR 状态的检测结果，检测手段为荧光原位杂交和免疫组织化学。研究对表达数据应用聚类算法进行病例分类，并将分类结果与组织病理学肿瘤分级进行比较，发现二者具有显著相关性；而基因表达数据与 EGFR 状态之间未检测到相关性。数据所覆盖的样本数量为 28 例，样本在病理学和临床特征上均有明确表征。
【采集与来源】
数据集来源于 omicsdi.org。表达谱数据通过 Affymetrix Human Genome U133A 平台获取；EGFR 状态通过荧光原位杂交和免疫组织化学两种方法确定。样本为 28 例经病理学和临床特征明确表征的肺腺癌病例。关于样本采集地点、采集时间、伦理审批及具体处理流程等信息，源站未提供。
【适用场景】
基于其内容，该数据集可用于肺腺癌转录组层面的分析，例如基因表达谱的聚类分型研究、表达分类结果与组织病理学分级之间关系的验证性分析，以及基因表达特征与 EGFR 状态关系的探索。由于数据同时包含表达谱与 EGFR 状态检测结果，也适合用于比较不同分子检测手段所反映的信息维度。需要说明的是，以上为基于数据内容的一般性适用方向，源站未提供具体的推荐应用场景。
【使用方法】
源站未提供具体的使用方法说明，包括数据下载方式、文件格式、预处理步骤、归一化方法及分析流程等均未提及。使用者需依据源站的实际数据组织方式进行后续处理。
【质量与限制】
该数据集的样本量为 28 例，属于规模较小的研究队列；样本在病理与临床特征上具有明确表征，且 EGFR 状态经由荧光原位杂交与免疫组化两种方法确定。研究结果显示表达谱聚类分类与组织病理学分级显著相关，而与 EGFR 状态无相关性。关于数据质量评估、缺失值情况、批次效应及平台技术局限等信息，源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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/biostudies-arrayexpress/E-GEOD-17475
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
采用Affymetrix Human Genome U133A平台获取了28例病理学和临床特征明确的肺腺癌的基因表达谱。此外，通过荧光原位杂交和免疫组织化学方法确定了EGFR状态。应用聚类算法对表达数据进行病例分类，其结果与组织病理学肿瘤分级显著相关。相反，未检测到基因表达数据与EGFR状态之间的相关性。在本研究中，我们评估了28例临床病理特征明确的肺腺癌的基因表达。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
