主动脉夹层程序性细胞死亡相关生物标志物转录组测序分析数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE294607

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

背景：主动脉夹层（AD）严重威胁人类健康。程序性细胞死亡（PCD）在AD发生发展中起关键作用。本研究旨在识别AD中与PCD相关基因（PCD-RGs）相关的生物标志物，为治疗干预提供新靶点和新策略。方法：对5份对照样本和8份AD样本的转录组测序数据进行分析。通过将PCD-RGs与差异表达基因（DEGs）取交集来识别候选基因。通过PPI分析和基因表达分析发现生物标志物。功能富集、免疫浸润、调控网络和药物预测分析进一步阐明了AD机制。结果：IL6、IL10和TLR4被确定为AD的生物标志物。IL6/IL10在AD样本中高表达，而TLR4表达较低。值得注意的是，这些生物标志物富集于“MYC Targets V1”通路。此外，在AD与对照样本之间鉴定出5种具有显著差异的免疫细胞。相关性分析表明，IL10与记忆B细胞呈最强正相关，与内皮细胞呈最强负相关。

此外，还鉴定出30个靶向IL6的转录因子、23个靶向IL10的转录因子和5个靶向TLR4的转录因子。同时鉴定出6个靶向生物标志物的关键miRNA和5个靶向关键miRNA的关键lncRNA。利用这些信息构建了调控网络，阐明了这些生物标志物背后的机制。最后，共鉴定出48种、20种和23种分别靶向IL6、IL10和TLR4的药物，为AD提供了潜在的治疗靶点。结论：IL6、IL10和TLR4被鉴定为AD的生物标志物，为靶向治疗提供了有前景的基础。

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。