外周血线粒体DNA拷贝数与前列腺癌风险及肿瘤负荷的关联
该数据集来自 search.dataone.org，属于肿瘤/前列腺癌方向，研究对象为中国汉族人群，包含196例前列腺癌患者与196例年龄配对的健康对照
基本信息
资源简介
外周血线粒体DNA拷贝数与前列腺癌风险及肿瘤负荷的关联
Peripheral blood mitochondrial DNA copy number is associated with prostate cancer risk and tumor burden
该数据集来自 search.dataone.org，属于肿瘤/前列腺癌方向，研究对象为中国汉族人群，包含196例前列腺癌患者与196例年龄配对的健康对照。数据以外周血白细胞线粒体DNA拷贝数为核心指标，采用定量实时PCR测定相对拷贝数，其中3例病例和2例对照未能检测，最终纳入193例病例和194例对照。病例组mtDNA拷贝数中位数为0.91，显著高于对照组的0.82（P<0.001）。该数据可用于评估mtDNA拷贝数与前列腺癌风险及肿瘤负荷之间的关联（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：线粒体DNA（mtDNA）的改变与多种人类癌症的风险相关；然而，外周血白细胞（PBLs）中mtDNA拷贝数与前列腺癌（PCa）风险之间的关系尚未被研究。在一项针对中国汉族人群196例PCa患者和196例年龄配对健康对照的病例对照研究中，评估了PBLs中mtDNA拷贝数与PCa风险之间的关联。相对mtDNA拷贝数采用定量实时PCR测定；3例病例和2例对照的样本无法检测，最终留下193例病例和194例对照用于分析。PCa患者的mtDNA拷贝数显著高于对照（中位数分别为0.91和0.82；P<0.001）。以对照中mtDNA拷贝数的中位值进行二分，高mtDNA拷贝数与增加的r
【主题与分类】
主题标签：Homo Sapiens、human、cancer risk、tumor burden、Prostate cancer。本站分类：肿瘤/前列腺癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ad8b60a9dcb2795fdbef67e51d1c94b568f611619192a9cc66900f6f8caaf5627
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
线粒体DNA（mtDNA）的改变与多种人类癌症的风险相关；然而，外周血白细胞（PBLs）中mtDNA拷贝数与前列腺癌（PCa）风险之间的关系尚未得到研究。在中国汉族人群的196例PCa患者和196例年龄配对健康对照的病例对照研究中，评估了PBLs中mtDNA拷贝数与PCa风险之间的关联。采用定量实时PCR测定相对mtDNA拷贝数；3例病例和2例对照的样本无法检测，最终193例病例和194例对照纳入分析。PCa患者的mtDNA拷贝数显著高于对照（中位数分别为0.91和0.82；P<0.001）。以对照中mtDNA拷贝数的中位值进行二分，高mtDNA拷贝数与PCa风险增加显著相关（调整比值比=1.85，95%置信区间：1.21–2.83）。显著的剂量-反…
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
