前列腺癌特异性miRNA的鉴定

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-45604

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

本研究的目的如下：- 识别前列腺癌（PCa）特异性的新生物标志物，这些标志物可用于前列腺癌高概率个体（PSA异常和/或直肠指检异常）尿液中的诊断标志物。- 验证这些新生物标志物的实用性，以及已知的其他标志物，如PCA3、融合基因TMPRSS2-ERG、GOLPH2和SPINK1。- 基于这些生物标志物的表达，建立前列腺癌诊断的预测模型。- 在机会性早期诊断规划的框架内验证该模型。- 在该规划的框架内，结合一系列社会人口学、人体测量学、生活方式和职业变量，建立一个风险模型预测器，该预测器可与基于生物标志物的模型相关联。方法：本研究基于三个不同的患者队列分为三个阶段：-第一阶段。生物标志物的识别。本阶段包括60名患者（10名正常前列腺和50名前列腺癌）。将从这些肿瘤中进行miRNA筛查。-第二阶段。

通过qRT-PCR对300例患者（200例经组织学诊断为PCa，100例组织学结果为阴性）的尿液样本验证新生物标志物及其他已知生物标志物。-第三阶段。在一个机会性PCa早期检测项目中纳入的1065例患者的前瞻性队列中进行前瞻性验证。

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。