前列腺癌分子采样：预测疾病进展的困境

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-16560

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

目前的前列腺癌预后模型基于治疗前前列腺特异性抗原（PSA）水平、活检Gleason评分和临床分期，但在实践中不足以准确预测临床疾病进展。因此，我们试图通过推断分子谱可能进一步改进现有临床模型来开发一个前列腺癌进展的分子面板。我们分析了一个瑞典观察等待队列（1977-1999年），临床随访长达30年，使用一种新的基因表达谱分析方法。这种cDNA介导的退火、选择、连接和延伸（DASL）方法使得能够使用在初始诊断时采集的福尔马林固定石蜡包埋的经尿道前列腺电切术（TURP）样本。我们确定了281名男性的6100个基因的表达谱，这些男性被分为两个极端组：死于前列腺癌或发生转移的男性，以及无转移生存超过10年的男性（分别为致死性和惰性病例）。评估了几种使用临床和分子特征的模型区分致死性与惰性病例的能力。

令人惊讶的是，使用分子谱的预测模型均未显著优于仅使用临床变量的模型。我们推断，肿瘤采样可能妨碍了对优势转移结节的识别。进一步的计算分析证实，与其它类型肿瘤相比，前列腺癌中致死性和惰性类别内部的分子异质性均普遍存在。因此，分子优势肿瘤结节的确定可能受限于初诊时的采样，可能在初诊时尚未出现，或可能随着疾病进展而发生，从而阻碍了前列腺癌进展分子生物标志物的开发。来自基于人群的瑞典观察等待队列的281例病例。该队列由局限性前列腺癌男性组成（

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。