基于基因表达特征的胃癌新型预后风险评分

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-13861

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

尽管不断努力利用临床和病理参数建立胃癌的术前预后模型，但目前尚不存在能够可靠地将早期和晚期胃癌患者按预后分为同质组的分期系统。我们利用微阵列和定量RT-PCR技术，结合对161例胃癌患者肿瘤标本的补充数据分析，开展了一系列实验。我们应用多种统计分析对基因表达数据进行处理，以揭示胃癌的亚组、识别与预后相关的潜在生物标志物，并基于所识别的预后生物标志物构建风险的分子预测模型。研究揭示了两个与预后密切相关的胃癌亚组。我们利用支持向量机预测模型在独立患者队列中验证了预后基因表达特征的稳健性。为便于将我们的发现转化为临床应用，我们开发了一种基于六个基因表达水平的评分系统，可预测肿瘤根治性切除后复发的可能性。

在多变量分析中，我们的新型风险评分是96例患者队列中复发的独立预测因子（P=0.004），其稳健性在两个其他独立队列中得到了验证。我们识别出了在基因表达模式上具有独特性的新型胃癌预后亚组。由六个基因特征及其衍生的风险评分已被验证可用于预测诊断时生存的可能性。65例原发性胃腺癌、6例GIST和19例周围正常新鲜冷冻组织用于微阵列分析。所有组织均在韩国首尔延世癌症中心经病理确诊后行根治性切除术后获得。微阵列实验和数据分析在MDACC系统生物学系完成，使用DNA微阵列（Illumina human V3）。

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。