22例前列腺癌样本表达数据——验证集中6例复发与16例无复发

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-18917

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

我们分析了64例前列腺癌原发肿瘤样本的蛋白质编码和非编码基因表达谱。所有样本均于1998年至2001年间采集，并获得了在圣保罗Sirio-Libanes医院接受根治性前列腺切除术的患者的知情同意。入选患者被确诊为临床T1-2期前列腺癌，无淋巴结受累，并且在无复发期间未接受术后辅助治疗。生化复发定义为前列腺切除术后5年随访期间任何时间患者血液中PSA水平升高至每毫升血液0.2纳克。对于此类实验，也称为自-自杂交，微阵列与每个Cy3和Cy5标记的cRNA重复样本共杂交。该策略已被用于在比较基因组杂交（CGH）研究中得出强度依赖性截断值，以将基因分类为差异表达或 divergent。恒定倍数变化截断值与强度依赖性截断值的比较分析已被广泛讨论，显示出强度依赖性策略的优越性能。

在验证数据集的处理过程中，应用了训练数据集处理得到的参考值来对验证数据集进行标准化。这些参考值包括：平均排名强度（分位数归一化）、批次信息（批次调整）以及基因平均值和标准差（z分数转换）。此处，我们描述了对一个由32个蛋白编码mRNA和6个内含子非编码RNA（ncRNA）组成的基因表达谱在独立的22个样本集（其中16例来自无复发生存患者，6例为复发患者）中的验证情况。为了比较训练样本与独立验证样本的表达水平，验证数据集中样本的基因强度水平使用了由训练数据集生成的归一化因子进行转换。

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。