数据集概述
本数据集整合了cBioPortal的BRCA TCGA乳腺癌数据集与Pathway Commons的生物网络节点连接数据，经预处理后形成可转换为PyTorch Geometric对象的图结构数据集。包含患者基因特征与总生存时间（标签），适用于图神经网络（GNN）研究，共12个文件。
文件详解
- 基因特征与标签文件
- 文件名称：X_train.csv、X_val.csv、X_test.csv、y_train.csv、y_val.csv、y_test.csv
- 文件格式：CSV
- 字段映射介绍：X系列文件包含患者基因表达特征（如A1CF、A2M等基因列）；y系列文件包含患者总生存时间（标签）
- 临床数据文件
- 文件名称：data_clinical_patient.txt、data_clinical_sample.txt
- 文件格式：TXT
- 字段映射介绍：包含患者标识符、亚型、诊断年龄、性别、肿瘤分期等临床信息
- 基因表达数据文件
- 文件名称：data_mrna_seq_v2_rsem.txt
- 文件格式：TXT
- 字段映射介绍：患者mRNA测序表达数据
- 生物网络文件
- 文件名称：PathwayCommons12.reactome.hgnc.sif.gz
- 文件格式：GZ压缩
- 字段映射介绍：Pathway Commons提供的Reactome通路基因互作网络数据
- 图结构文件
- 文件名称：edge_index.pt
- 文件格式：PT
- 字段映射介绍：图神经网络用的边索引数据
- 压缩包文件
- 文件名称：brca_tcga.zip
- 文件格式：ZIP
- 字段映射介绍：数据集压缩包
数据来源
cBioPortal (cbioportal.org)、Pathway Commons (www.pathwaycommons.org)
适用场景
- 乳腺癌基因网络分析: 利用图结构数据研究基因互作网络与乳腺癌发生发展的关系
- 生存预测模型构建: 结合基因特征与临床数据，开发基于GNN的患者生存时间预测模型
- 精准医疗研究: 分析不同亚型乳腺癌患者的基因表达差异与临床预后关联
- 生物通路功能研究: 探究Reactome通路在乳腺癌中的调控机制
- 机器学习模型训练: 作为图神经网络算法的训练与验证数据集，推动医疗AI技术发展
