循环microRNA联合PSA用于前列腺癌无创精准检测

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE113234

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

背景：前列腺癌（PCa）的早期检测受限于缺乏可在筛查背景下易于评估的准确非侵入性生物标志物。前列腺特异性抗原（PSA）检测导致高比例的假阳性和假阴性。在液体活检时代，我们提出将PSA检测与循环microRNA（miR）评估相结合，以区分患有或不患有PCa的男性。方法：使用微阵列对60名PCa男性、51名良性前列腺增生（BPH）男性和27名健康供者（HD）的血浆样本进行miR谱分析。应用单变量分析（采用经验贝叶斯方法的线性模型）和多变量惩罚逻辑回归模型，以突出与恶性疾病存在相关的miR和临床变量，并将其组合成一个分类评分。最后，在包含242份血浆样本（68例PCa、8例癌前病变、93例BPH、73例HD）的独立数据集上测试了所开发的评分，其中miR表达通过RT-qPCR进行评估。结果：在分析的2006个miR中，miR-103a-3p和let-7a-5p与PSA的线性组合定义了我们的评分。

基于该评分的分类规则允许对样本进行重新分类，其准确率（0.61）、敏感性（0.87）、特异性（0.35）和AUC（0.68）均高于单独使用PSA所获得的结果。在验证集上，相同的分类规则在特异性（0.57对0.55）和AUC（0.76对0.74）方面仍优于单独使用PSA，能够正确重新分类所有未被PSA检测到的肿瘤（仅一例除外）以及33%的PSA在4-16 ng/ml范围内的BPH。结论：两种循环miR与PSA的组合可能是一种有价值的生物标志物，可用于检测PCa的存在（即使PSA水平低于4 ng/ml的标准截断值）以及在高PSA的重要部分男性中排除PCa，从而可能避免不必要的活检。

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。