基于FFPE组织的DNA甲基化图谱判定转移性癌症原发部位[训练集]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE230193

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

准确识别转移性癌症的原发部位对于指导后续治疗至关重要。有相当一部分患者的原发部位最初被归类为不确定，即使经过全面的诊断检查，仍有3-9%的癌症患者被诊断为原发灶不明癌症（CUP）。然而，目前仍缺乏一种被广泛接受的分子检测方法。在此，我们提出了一种基于新型DNA甲基化测序的方法与算法相结合的策略，用于预测转移性癌症的组织来源。该检测方法利用福尔马林固定、石蜡包埋（FFPE）组织中的降解DNA来构建简化代表性亚硫酸氢盐测序文库（FFPE-RRBS）。对于配对的新鲜冷冻（FF）RRBS和FFPE-RRBS文库，以及配对的原发性和转移性癌症组织的FFPE-RRBS文库，我们获得了可比的DNA甲基化指标。我们基于498例原发性癌症患者的训练数据集，利用四种甲基化评估方法和七种机器学习方法构建并系统评估了28个分子分类器。

在这些分类器中，基于β值（平均甲基化）的线性支持向量机（BELIVE）表现最佳，通过利用前k个预测（k=1、2、3），对215名转移性癌症患者原发部位的识别总体准确率达到81-95%。在交叉验证队列中，对4702名原发肿瘤患者的预测准确率范围为92%至98%。最后，BELIVE在一个由68名最初诊断为CUP的患者组成的队列中，成功识别了约81-93%病例的组织来源。

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。