前列腺癌的分子演化与临床轨迹识别风险分层的新型标志物

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAS00001002923

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

前列腺癌是一种高度异质性的疾病，被认为是在多年间逐渐发展而成的。识别最早的体细胞变化可以为理解肿瘤演化提供重要见解，并有助于将高风险与低风险疾病进行分层。在此，我们对早发性前列腺癌患者进行了基于全基因组、转录组和甲基化组的整合分析。对270例前列腺癌肿瘤中基因组改变的刻画揭示了与年龄相关的基因组改变和突变特征，包括BRCAness和APOBEC。我们利用甲基化和表达数据识别出四个分子亚组，其中包括一个高度侵袭性的肿瘤亚组，该亚组频繁涉及复发性重复以及ESRP1表达增高。对12,000份组织微阵列肿瘤样本的分析表明，ESRP1是一个候选生物标志物，与更快的增殖速率和更短至复发时间相关。我们结合分子共现模式、风险分层和亚组信息来解构肿瘤异质性，从而揭示前列腺癌复杂但反复出现的临床轨迹。

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。