肺腺癌复发相关分子特征识别预后不良患者
该数据集来自 NCBI GEO，围绕肺腺癌复发相关分子特征展开。研究通过全基因组表达谱分析，在 60 例训练集中识别出由 82 个探针构成的复发相关分子特征（RRS-82），并在 27 例腺癌患者的盲法测试集中验证其与预后不良的关联，随后又在 30 例 I 期手术患者独立队列中进一步验证其判别能力
基本信息
资源简介
肺腺癌复发相关分子特征识别预后不良患者
Relapse-related molecular signature in lung adenocarcinomas identifies patients with dismal prognosis
该数据集来自 NCBI GEO，围绕肺腺癌复发相关分子特征展开。研究通过全基因组表达谱分析，在 60 例训练集中识别出由 82 个探针构成的复发相关分子特征（RRS-82），并在 27 例腺癌患者的盲法测试集中验证其与预后不良的关联，随后又在 30 例 I 期手术患者独立队列中进一步验证其判别能力。数据可用于复发风险分层与预后相关分类建模研究（来源 NCBI）。
【数据集背景】
源站首次发布：Oct 15 200。
【数据内容】
源站描述（机器翻译，仅供参考）：我们通过对 60 例患者的训练集进行全基因组表达谱分析，识别出一个由 82 个探针表示的复发相关分子特征（RRS-82）。随后，在一个完全盲法的 27 例腺癌患者测试集中验证了 RRS-82 在筛选高复发概率患者方面的稳健性，结果显示高风险 RRS-82 与极差的患者预后明显相关，且不受疾病分期影响。RRS-82 的判别能力还在另一个独立的 30 例 I 期患者队列中得到进一步验证，这些患者在不同时间段接受了手术。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：Expression profiling by array、GPL6480、9606。本站分类：肿瘤。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE13213
【使用注意】
· 源站最后修改于 Jan 23 201，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE13213
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
我们通过对60名患者的训练集进行全基因组表达谱分析，鉴定出了一种与复发相关的分子特征，由82个探针（RRS-82）代表。随后，我们使用一个完全盲法的测试集，包含27名腺癌患者，验证了RRS-82在选择高复发概率患者方面的稳健性，结果显示，无论疾病阶段如何，高风险RRS-82与患者极差的预后明显相关。我们进一步使用另一个独立队列，包含30名在不同时期接受手术的I期患者，验证了RRS-82的区分能力。关键词：疾病状态分析
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。
