卵巢癌生存相关表达谱、通路与转录因子数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE13876

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

迄今为止，多项研究采用基因表达谱分析将卵巢癌分类为具有临床相关性的亚型。这些研究为卵巢癌中可能用于新治疗策略的分子变化提供了宝贵的最初线索。然而，大多数研究规模相对有限，且所鉴定表达谱中重叠基因的数量极少。尽管识别与卵巢癌临床相关亚型相关的基因表达谱十分重要，但如今关于基因在通路、网络和复合物中如何相互作用的知识正迅速积累；这使我们能够揭示决定卵巢癌生物学行为的细胞通路，这些通路可能成为药物成功靶向的对象。我们研究的目的在于：1）建立与晚期浆液性卵巢癌总生存相关的基因表达谱，2）评估通路和转录因子与总生存的关联，3）在独立的卵巢癌样本集中验证我们所鉴定的表达谱及通路/转录因子。

根据随机设计，使用约35K 70-mer寡核苷酸微阵列对157例晚期浆液性卵巢癌进行了重复分析。在构建总生存期的连续预测因子时，考虑了微阵列分析中的众所周知的问题，如多重检验和过拟合。采用功能类评分分析来评估通路/转录因子与总生存期的关联。构成我们总生存期特征的基因的预后价值在一个完全独立、公开可用的118例明确界定的原发性浆液性卵巢癌数据集上得到了验证。此外，还对这个独立数据集进行了功能类评分分析，以评估与我们自己数据集结果的相似性。一个86基因的总生存期特征能够区分患者

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。