前列腺癌分子采样预测疾病进展数据集
该数据集来自 ebi.ac.uk，主题为前列腺癌分子采样与疾病进展预测，采用 transcription profiling by array 方法对 Homo sapiens 样本进行基因表达谱分析
基本信息
资源简介
前列腺癌分子采样预测疾病进展数据集
Molecular Sampling of Prostate Cancer: a dilemma for predicting disease progression
该数据集来自 ebi.ac.uk，主题为前列腺癌分子采样与疾病进展预测，采用 transcription profiling by array 方法对 Homo sapiens 样本进行基因表达谱分析。源站描述指出，现有基于治疗前 PSA 水平、活检 Gleason 评分和临床分期的预后模型不足以准确预测临床疾病进展，因此研究试图通过分子谱改进现有临床模型。数据覆盖瑞典 Watchful Waiting 队列（1977–1999）并含长达 30 年临床随访，利用 DASL 方法对初诊时采集的福尔马林固定石蜡包埋 TURP 样本进行表达谱检测，可用于探索前列腺癌进展的分子标志与预测建模（来源 BioStudies）。
【数据内容】
源站描述（机器翻译，仅供参考）：当前的前列腺癌预后模型基于治疗前前列腺特异性抗原（PSA）水平、活检 Gleason 评分和临床分期，但在实践中不足以准确预测临床疾病进展。因此，我们试图开发一个用于前列腺癌进展的分子面板，理由是分子谱可能进一步改进当前的临床模型。我们分析了一个瑞典 Watchful Waiting 队列（1977–1999），临床随访长达 30 年，使用一种新的基因表达谱分析方法。这种 cDNA 介导的退火、选择、连接和延伸（DASL）方法使得能够使用初诊时采集的福尔马林固定石蜡包埋经尿道前列腺电切术（TURP）样本。我们确定了 281 名男性的 6100 个基因的表达谱，这些男性被分为两个极端组：死于前列腺癌的男性
【主题与分类】
主题标签：transcription profiling by array、Homo sapiens。本站分类：肿瘤/前列腺癌。
【获取与许可】
源站页面：https://ebi.ac.uk/biostudies/arrayexpress/studies/E-GEOD-16560
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://ebi.ac.uk/biostudies/arrayexpress/studies/E-GEOD-16560
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
Andrea Sboner; Mark Rubin (2010). Molecular Sampling of Prostate Cancer: a dilemma for predicting disease progression [Dataset]. https://www.ebi.ac.uk/biostudies/arrayexpress/studies/E-GEOD-16560
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
