原发性前列腺肿瘤表达数据

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE6606

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

前列腺癌的特征在于其临床病程的异质性，这种异质性往往与肿瘤的形态学特征不相关。转移反映了前列腺癌最不利的结果，迄今为止，尚无可靠的形态学特征或血清生物标志物能可靠预测哪些患者有较高风险发展为转移性疾病。理解转移性与器官局限性原发肿瘤生物学上的差异对于开发新的预后标志物和治疗靶点至关重要。我们利用Affymetrix寡核苷酸芯片，分析了来自4名患者的24个雄激素消融抵抗性转移样本的基因表达谱，以及先前发表的64个原发性前列腺肿瘤样本的数据集。在去除潜在无信息的基质基因后，我们分析了差异基因表达，以解决原发肿瘤与转移肿瘤之间细胞内容的差异。转移样本在表达上高度异质；然而，差异表达分析显示，在每位转移患者中，有415个基因上调，364个基因下调至少2倍。

转移样本的表达谱揭示了代表雄激素消融相关通路以及其他转移相关基因网络（如细胞黏附、骨重塑和细胞周期）的一组独特基因的表达变化。差异表达的基因包括代谢酶、转录因子如叉头盒M1（FoxM1）和细胞黏附分子如骨桥蛋白（SPP1）。我们假设这些基因在转移性疾病的生物学中发挥作用，并且它们代表了前列腺癌的潜在治疗靶点。关键词：疾病状态分析

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。