转移性黑色素瘤预后判定：临床病理、突变、mRNA、microRNA与蛋白信息整合

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE54467

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

在转移性黑色素瘤患者中，准确预后生物标志物的识别与验证将有助于合理的治疗规划。基于“组学”技术的研究主要集中于单一的高通量数据类型，如基因或microRNA转录本。偶尔，这些特征会与有限的临床病理数据一同评估。随着多种数据类型可获得性的增加，迫切需要对哪些数据源包含最有价值的预后信息进行区分。我们在AJCC III期黑色素瘤患者中，评估并整合了来自同一肿瘤标本的几种数据类型——基因、蛋白质和microRNA表达，以及临床、病理和突变信息——以确定它们对预后的相对影响。我们采用基于预验证和自助法多重插补分类的分类框架，比较了每种数据源单独及整合时的预后能力。我们发现，临床病理信息的预后效用并不逊色于各种“组学”平台。

相反，临床病理变量与mRNA表达数据的组合表现最佳。此外，基于患者的分类分析显示，各种数据类型的预后准确性在不同患者中并不相同，这为黑色素瘤患者个体化治疗的持续发展提供了有益的见解。特别说明：在本研究中，所有患者的生存数据均从MIA研究数据库中重新提取并更新至最新，与之前的数据集（GSE53118：http://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE53118）相比，发现四名患者的生存分类存在差异。尽管表达信息未发生变化，当前生存数据被认为更为准确。此外，有5个样本（122、144、195、264和358），其

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。