血液来源DNA甲基化生物标志物预测糖尿病肾病

数据集获取

源站：https://search.dataone.org/view/sha256%3A33b7d9478e7864474d2df3323dd1fa90691e958667a1e8a04fcb159692f1c876

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

糖尿病肾病（DKD）是1型糖尿病（T1D）患者终末期肾病的主要原因，然而当前基于白蛋白尿和估算肾小球滤过率（eGFR）的标志物在早期预后方面缺乏精确性。我们旨在识别可预测DKD进展的血液来源DNA甲基化生物标志物，并确定这些系统性信号是否反映肾细胞的表观基因组重塑。我们研究了PROFIL队列，对101名T1D成人和20名非糖尿病对照者的白细胞DNA进行了高深度全基因组甲基化测序，按KDIGO风险分层，中位随访5.6年。优先筛选与eGFR下降和白蛋白排泄升高相关的差异甲基化区域，并推导出一个四位点甲基化风险评分（MRS；SLC4A4、FSTL4、ICA1、PTK2），将其与临床风险模型进行比较。MRS在330名低或中危T1D参与者的独立子集中通过靶向检测进行了验证……白细胞DNA经处理生成全基因组甲基化图谱（MBD-seq）。

从血液白细胞中分离的基因组DNA经片段化处理，并使用MBD-capture（MethylMiner™）对甲基化CpG区域进行富集。测序文库采用NEBNext® Ultra™ II DNA Library Prep Kit制备，并在Illumina NovaSeq 6000平台上进行测序（150 bp双端）。未富集的基因组DNA也进行了测序以实现标准化。原始reads使用Fastx进行修剪，并使用BWA-MEM比对到hg38参考基因组。甲基化区域（峰）通过MACS2鉴定（富集倍数 > 4，P < 0.01），过滤去除ENCODE黑名单区域，并使用ChIPseeker进行注释。峰定量使用Bedtools multicov，保留reads数 >10的区域。，# 数据来源：血液来源的DNA甲基化生物标志物预测糖尿病肾病 数据集DOI：10.5061/dryad.69p8cz9h5 ## 数据和文件结构说明 **包括

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。