前列腺肿瘤细针穿刺活检恶性诊断的分子分析数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE104749

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（PCa）是一种常见癌症，也是男性癌症相关死亡的第二大原因。为探究差异表达基因与PCa中失调通路的关联，以实现该疾病的早期诊断，我们对细针穿刺（FNA）活检样本中的差异表达基因进行了转录组分析，以区分PCa与良性前列腺增生（BPH）。从四份PCa活检样本和四份BPH活检对照中提取RNA样本，用于微阵列谱分析，并在Affymetrix Human U133 Plus 2阵列上进行基因表达谱分析。微阵列数据使用GeneSpring GX 10（Agilent）进行分析。平均而言，我们检测到47,000个转录本的表达。在倍数变化> 2或< 0.5的标准下，我们获得了1819个差异表达基因（DEGs）。层次聚类分析还表明，8个样本分为两个聚类，4个PCa样本聚为一类，4个BPH样本聚为另一类。随后，对PCa组织和前列腺癌细胞中的DEGs进行qRT-PCR验证。结果显示分组合理，数据可直接用于进一步分析。

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。