GSE40168：MCF7、CCD18与Ramos人细胞系表达谱

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE40168

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

为揭示16号染色体相关蛋白质组，并利用所生成的知识推动人类健康与疾病生物学研究取得进展，一个由15个研究组组成的联盟被组织为四个工作组：SRM与蛋白质测序、抗体与肽标准品、临床医疗与生物样本库以及生物信息学。根据一项整合Ensembl、UniProt和GPM知识的初步计算机模拟研究，选择了Ramos B淋巴细胞、MCF-7上皮细胞和CCD18成纤维细胞，因为理论上预期任何16号染色体蛋白编码基因都会在至少其中一种细胞中表达。为详细界定上述细胞系的转录组，进行了基于Affymetrix微阵列的分析。在Human ST 1.0芯片上杂交后，原始数据用RMA算法进行背景校正和归一化处理。随后在各细胞系中界定16号染色体基因表达模式，并用R包统计进行对比分析。涉及16号染色体基因的生物学功能用GO分析，功能网络用Ingenuity Pathway Analysis研究。

将表达的基因与鸟枪法蛋白质组学实验的数据进行比较，以探究mRNA与蛋白质之间的相关性程度。图中展示了编码弱或无质谱证据蛋白质的基因表达情况。本文还讨论了将这些信息整合到质谱组的决策过程中的情况。

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。