存档前列腺癌样本的详细分子与免疫标志物分析

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAS00001004396

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

前列腺癌是一个重大的全球健康问题，当前患者管理路径的局限性常常导致过度治疗或治疗不足。迫切需要新的患者分层方法。我们对此类新型评估进行了可行性研究，探寻基因组变化与淋巴细胞浸润之间的关联。测试了一种创新工作流程，该流程使用内部靶向测序面板、通过图像分析流程进行的免疫细胞谱分析、RNA测序，以及在选定病例中进行外显子组测序。在27例中的27例通过RNA测序对基因融合进行了分析，并注意到无TMPRSS2:ERG融合的肿瘤中肿瘤浸润淋巴细胞（TIL）计数显著高于有融合的肿瘤（P = 0.01）。尽管这一发现在癌症基因组图谱图像的更大验证集（n = 436）中未能重复，但存在相同方向的趋势。对TIL高和TIL低肿瘤的差异表达分析揭示了先天性和适应性免疫应答通路的富集。识别出错配修复基因的突变（27例中1例存在MLH1和MSH6突变）。

我们描述了TMPRSS2:ERG融合阳性肿瘤中一种潜在的免疫逃逸机制。如本文所示，详细的 profiling 能够为肿瘤生物学提供新的见解。与其他队列研究结果的差异可能与定义感兴趣区域所采用的方法有关，但这需要在更大规模的队列中进一步研究。

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。