利用ctDNA深度测序检测微小残留病灶

数据集获取

源站：https://clinicaltrials.gov/study/NCT07660627

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

疾病：食管腺癌、胃癌、胰腺癌。新辅助化疗是局部晚期胃肠道肿瘤的标准治疗。然而，并非所有患者均对术前治疗产生应答。在新辅助化疗期间早期识别疾病进展，或在辅助治疗期间诊断早期疾病复发，对于调整治疗策略至关重要。本项目旨在验证ctDNA作为疾病复发/进展的分子生物标志物。癌症原发治疗后的肿瘤细胞持续存在是疾病未来病程的关键预后指标。在实体瘤中，微小残留病（MRD）可能涉及血液中的肿瘤细胞、体内的小转移灶，或治疗后残留的一小部分原发肿瘤。在形态学影像技术无法检测到肿瘤的阶段检测MRD，正成为一种重要的诊断指标，未来有望更好地对原发治疗后的患者进行分层。因此，MRD检测未来应既用于指示进一步治疗，也用于监测治疗应答。

为使MRD检测成功应用于临床，建立一种基于循环肿瘤DNA（ctDNA）检测的足够灵敏且特异的方法至关重要。肿瘤ctDNA是循环游离DNA（cfDNA）的组成部分，由凋亡或坏死细胞以平均长度约170 bp的片段形式释放入血浆。DNA从细胞释放入血流可受多种因素影响，这反映在总cfDNA浓度的高度变异性上，其范围可为每毫升血浆1至100,000个片段。因此，为定量MRD，确定cfDNA总浓度和肿瘤ctDNA比例均至关重要。为可靠区分肿瘤ctDNA与非肿瘤cfDNA，目前采用检测原发肿瘤中已识别的突变。为此

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。