癌症基因表达与临床数据预处理数据集-TCGA数据库-ridgiemo
数据来源：互联网公开数据
标签：癌症,基因表达,临床数据,预处理,TCGA,肿瘤学,生存分析,蛋白质编码基因,患者相似性图
数据概述：
本数据集包含从TCGA（癌症基因组图谱，https://portal.gdc.cancer.gov/）数据库下载的七种癌症类型的基因表达数据和临床数据，并经过预处理。预处理过程主要包括仅保留蛋白质编码基因，以提高数据的针对性和实用性。此外，数据集还构建了基于临床数据相似度的患者相似性图，用于更深入的分析。每个癌症类型的数据都包含三个文件：gene_expression.csv（基因表达数据）、clinical.csv（临床数据）和adj_list.pkl（患者相似性邻接表，用于构建患者相似性图）。
数据用途概述：
该数据集主要用于癌症预后预测、生存分析、基因表达与临床特征关联性研究等。研究人员可以使用该数据探索基因表达与患者生存时间之间的关系，构建预测模型，并深入研究影响癌症预后的关键基因和临床因素。数据集也为开发基于图神经网络的癌症预后模型提供了基础，例如论文“Cox-Sage: Enhancing Cox proportional hazards model with interpretable graph neural networks for cancer prognosis”中所述的研究。
