全血EPIC分选参考库（II）

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE110554

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

对外周血DNA进行DNA甲基化评估，可用于准确估计潜在白细胞亚型的相对比例。这种细胞去卷积分析依赖于针对所测量的每种特定细胞类型而开发的、具有区分能力的差异甲基化区域文库。随后，可将估计的细胞类型比例之间的关系与表型、疾病状态和受试者结局进行关联检验，或在表观基因组关联研究（EWAS）中作为校正项纳入多变量模型。我们从健康受试者中获取纯化的中性粒细胞、单核细胞、B淋巴细胞、自然杀伤（NK）细胞、CD4+ T细胞和CD8+ T细胞，并使用Illumina HumanMethylationEPIC芯片平台测量DNA甲基化。此外，我们在两组由上述细胞类型构成的人工DNA混合物中，使用EPIC芯片测量了DNA甲基化。我们比较了三种不同的方法，用于选择参考差异甲基化区域文库（DMR文库），以推断细胞类型比例。

IDOL算法确定了一个由450个CpG位点组成的最优DMR库，用于推断白细胞亚型比例（平均R2=99.2）。重要的是，IDOL DMR库中的大多数CpG位点（69%）是新的EPIC甲基化芯片所独有的，即它们不存在于450K芯片上。我们新的参考DMR库可作为Bioconductor软件包获取，有潜力减少因不同代芯片平台组合而产生的任何非预期技术差异，并可能有助于生成包含新细胞亚型的更大DMR库。

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。