代表10种癌症标志物的合成bulk RNA-Seq转录组图谱

数据集获取

源站：https://doi.org/10.5061/dryad.zw3r228jc

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。

数据集大小约 1.77 GB。

数据说明

本研究之前的证据 我们使用Google Scholar进行了广泛的文献检索，未设语言限制，采用的搜索词包括“(预测 OR 分类 OR 注释) AND (癌症标志) AND (深度 OR 机器学习) OR (人工智能 OR AI)”。尽管分子肿瘤学和计算方法取得了显著进展，但仍存在一个关键空白：目前尚无任何机器学习或深度学习框架能够全面地从肿瘤活检样本中预测癌症标志。当前研究主要针对与个别标志相关的特定分子途径，使临床医生缺乏一个集成模型来在单个肿瘤层面解释标志活动。此外，缺乏能够在活检样本中注释所有癌症标志的湿实验技术，进一步阻碍了进展，限制了标志相关见解在精准肿瘤学中的临床实用性。本研究的附加价值 本研究引入了OncoMark，这是一种新颖的神经多任务学习（N-MTL）框架，旨在从活检样本获得的转录组数据中预测癌症标志活动。

OncoMark通过生成带有标志性特征活性注释的合成活检数据集，解决了缺乏标志性特征特异性数据的问题，这些数据集经过精心建模，以反映真实世界的肿瘤生物学特性，同时保持临床相关性。该框架采用多任务学习方法，捕捉标志性特征之间的相互依赖性，超越了孤立预测，提供了肿瘤生物学的整体视图。在包含159个患者样本的六个独立数据集上进行验证，证明了其普遍性和可重复性。使用八个数据集进行的进一步外部验证，涵盖超过11679个癌症和8348个正常患者样本，增强了其稳健性。为促进临床整合，开发了一个用户友好的基于网络的工具，使肿瘤学家和研究人员能够无缝访问。所有可用的

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。