头颈部鳞状细胞癌中与饮酒和吸烟相关的体细胞拷贝数变异

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-47443

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

背景：头颈部鳞状细胞癌（HNSCC）最重要的危险因素是吸烟和饮酒，而部分亚组则由人乳头瘤病毒（HPV）或EB病毒（EBV）感染引起。本研究探讨了饮酒、吸烟和病毒感染对全基因组体细胞拷贝数改变、p16蛋白及TP53突变的影响。方法：我们开展了一项前瞻性队列研究。采用Agilent全人类基因组180K芯片比较基因组杂交技术，对肿瘤组织、切缘组织及外周血提取的DNA进行检测。同时进行了p53基因直接测序突变分析、聚合酶链反应（PCR）检测HPV、逆转录PCR定量EBV以及p16免疫组化（IHC）染色。前瞻性队列研究：采用Agilent-022060 SurePrint G3人类CGH芯片4x180K对225例肿瘤样本进行分析。比较不饮酒者、中度饮酒者、重度饮酒者、不吸烟者、中度吸烟者、重度吸烟者及同时饮酒吸烟者之间的Log2比值（肿瘤样本DNA/正常DNA）。

样本特征评分如下：人乳头瘤病毒感染（肿瘤样本中通过PCR检测基因）：阳性=1；阴性=0；p16蛋白免疫组化：阳性=1；阴性=0；肿瘤分级：成熟=0；中度=1；未成熟=2；术后放疗联合或不联合化疗：执行=1；未执行=0；复发/再发：复发=1；未复发=0；生存状态：死亡=1；存活=0；吸烟状态（吸烟包年）：不吸烟=0；包年<20=1（中度吸烟者）；包年≤20=2（重度吸烟者）；饮酒：饮酒者分为非饮酒者或每日饮酒少于一杯=0；每日饮酒一杯及以上但少于两杯=中度饮酒者1；每日饮酒两杯及以上=重度饮酒者2；在其接受HNSCC治疗前的20年内。一杯定义为约含10g酒精，其

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。