腹水来源循环microRNA作为胃癌相关恶性腹水潜在诊断生物标志物

数据集获取

源站：https://omicsdi.org/dataset/geo/GSE126399

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

腹膜癌病伴恶性腹水在胃癌中预后极差。恶性腹水是寻找腹膜癌病诊断生物标志物最相关的体液。本研究旨在识别并验证腹水来源的循环微小RNA（miRNA），这些miRNA在肝硬化相关良性腹水（LC-腹水）与胃癌相关恶性腹水（GC-腹水）之间差异表达。我们在三个独立队列中研究了miRNA表达水平。总体而言，从韩国国家生物样本库获得了165份腹水样本（73份LC-腹水和92份GC-腹水）。最初，使用微阵列技术在发现队列（n=22）中筛选了2,006种miRNA的表达水平。随后，采用定量逆转录聚合酶链反应（qRT-PCR）分析在训练队列（n=70）和验证队列（n=73）中验证了所选miRNA的表达水平。此外，还测定了腹水样本中癌胚抗原（CEA）——一种常用肿瘤标志物——的水平。

在GC-腹水样本中，miR-574-3p、miR-181b-5p、miR-4481和miR-181d的表达水平显著低于LC-腹水样本，且miR-181b-5p对GC-腹水显示出最佳的诊断性能（训练队列和验证队列的曲线下面积[AUC]分别为0.798和0.846）。若将CEA与miR-181b-5p联合分析，CEA对GC-腹水的诊断性能得到提高（训练队列和验证队列的AUC分别为0.981和0.946）。总体而言，我们鉴定出了能够区分非恶性腹水和GC-腹水的腹水来源循环miRNA，并证明联合使用miR-181b-5p和CEA可获得最佳诊断效能。

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。