前列腺癌与良性前列腺增生人类DNA样本拷贝数变异识别数据集

数据集获取

源站：https://omicsdi.org/dataset/geo/GSE79402

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

人类基因组中的拷贝数变异（CNVs）已被证实与多种癌包括前列腺癌（PCa）相关。本研究旨在识别高级别PCa中的CNVs。我们采用微阵列比较基因组杂交（aCGH）技术，对36名受试者（18例高级别PCa和18例良性前列腺增生）进行了全基因组CNV的初步分析。微阵列结果通过基于PCR的拷贝数计数方法进行了验证。在该队列中，共发现339个CNV区域为PCa受试者所独有（P < 0.05）。数据分离和过滤揭示了六个与PCa易感性相关的推定CNV位点。其中，四个为罕见变异（1q21.3、15q15、3q27.2和7p12.1），一个为新的拷贝数增益（12q23.1），包含ARNT、THBS1、SLC5A8和DDC等基因，这些基因在p53和癌症通路中至关重要。另一个CNV是8p11.21处的缺失，该区域包含Wnt信号通路中的SFRP1基因，已知其与雄激素受体相互作用，正如在泌尿系统恶性肿瘤中所报道的那样。

与已知与前列腺癌（PCa）相关基因的交叉比较分析揭示了显著的拷贝数变异（CNVs），这些变异涉及通过细胞因子产生引发癌症发病机制、通过内皮细胞增殖促进疾病进展以及外源物质代谢等关键生物学过程。总之，这些发现表明，所识别出的CNV区域可为高级别前列腺癌的发展提供见解。

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。