慢性阻塞性肺疾病患者基因表达数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE77344

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

测量循环外周全血细胞中全基因组转录本丰度的变化，是研究疾病病理生物学的一种有用方法，可能有助于阐明疾病的生物标志物和分子机制。然而，在这一复杂组织中进行分析的灵敏度和可解释性，受到其异质性的显著影响。因此，有必要对这种异质性进行量化，或是为了将其纳入考量，或是为了更好地建模某些转录本丰度、某些细胞类型与某些指征之间可能存在的相互作用。然而，准确计数构成外周全血的众多组分细胞类型可能成本高昂，并可能进一步使样本采集过程复杂化。已开发出许多方法，从高维转录组数据以及较近期的表观遗传数据中推断样本的组成。这些方法依赖于可获得待计数细胞类型的分离表达谱。这些表达谱具有平台特异性，合适的数据集很少，且生成这些数据集的成本高昂。在Affymetrix Gene ST平台上不存在这样的数据集。

我们介绍了一种免费且开源的多响应高斯模型，该模型能够从Affymetrix Gene ST表达谱中准确推断外周全血样本的组成。该模型是在慢性阻塞性肺疾病（COPD）患者队列上开发的，并在慢性心力衰竭患者中进行了测试。

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。