REMBRANDT 研究：脑癌患者基因组数据集合（基因表达）

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA427368

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

伦勃朗脑癌数据集包括来自该研究的临床和生物样本数据，涉及2005年从14家贡献机构收集的671名患者。此类合并数据集将为研究人员提供一个独特的机会，以便在这项大型脑癌研究中，将基因表达和拷贝数变化与临床结果（总生存期）进行整合分析。2015年，NCI停用了REMBRANDT数据门户，所有分子数据，包括微阵列基因表达、拷贝数和临床数据，均迁移至乔治城癌症数据库（G-DOC）。G-DOC平台可通过以下网址访问：https://gdoc.georgetown.edu。G-DOC是一个数据整合平台，提供先进的计算工具来处理各种生物医学大数据，包括基因表达阵列、NGS和医学图像，以便能够在其他组学和临床信息的完整背景下进行分析。将REMBRANDT数据集迁移至G-DOC后，我们应用了我们用于拷贝数数据分析的新算法，称为染色体不稳定性指数（CINdex），该算法已作为开源Bioconductor包发布。

本提交包含拷贝数数据，这些数据是在两张Affymetrix 50K拷贝数芯片上处理的，以及基因表达数据，这些数据是在Affymetrix U133 Plus2芯片上处理的。它还包含了染色体和细胞带CINdex矩阵。总体设计：使用Trizol试剂（Invitrogen）并按照制造商的说明从肿瘤组织（50-80毫克）中提取总RNA。使用Agilent的Bioanalyzer系统借助RNA Pico芯片验证了提取的RNA质量。从每个样本中提取的5微克RNA使用Affymetrix U1332 Plus基因表达微阵列芯片进行处理。本系列代表了与GSE68848中包含的样本不同的REMBRANDT样本子集。

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。