GSE9309：异质实验条件下利用亚组标准化恢复生物学信息

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE9309

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

利用亚组标准化从异质实验条件（缓冲液1与缓冲液2）下的微阵列数据中恢复生物学信息（即乳腺肿瘤与乳腺非肿瘤部分）。微阵列是基因表达分析和预测的有用工具。对于某一给定疾病，微阵列数据库可能来自各种来源，具有不同的实验设置，并随时间收集。这种异质性给数据分析带来了不必要的复杂性，更糟糕的是，在聚类中会产生错误的分类。因此，对来自异质实验条件的微阵列数据提供标准的数据处理在实践中具有重要意义。在本工作中，提出了“亚组标准化”以补偿微阵列实验条件中的技术异质性（例如缓冲液、时间、仪器等）。通过随时间及不同缓冲液进行的重复微阵列实验，结果表明，所提出的方法能够在存在技术不规则性的情况下提取正确的生物学信息。采用层次聚类验证了所提出方法的有效性。关键词：疾病状态研究

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。