胶质母细胞瘤转录组与表观遗传异质性剖析：预后意义

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE196533

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：胶质母细胞瘤（GBM）是侵袭性最强且目前无法治愈的脑肿瘤，成人患者的中位生存期为一年。阐明导致其侵袭性背后分子异质性的新型转录组学和表观遗传学影响因素，可能有助于改善临床结局。方法：为识别与GBM相关的5-羟甲基胞嘧啶（5hmC）和转录组特征及其相互作用，获取了61例GBM患者和9例正常对照者组织样本的全基因组5hmC和转录组图谱，用于差异分析和共调控/共修饰分析。基于转录组特征以及汇总于基因区域（启动子、基因体）和脑源性组蛋白标记的5hmC修饰，使用机器学习算法构建了总生存期（OS）预后模型。结果：尽管整体水平降低，但与正常对照相比，大多数差异5hmC特征在GBM肿瘤中显示出更高的修饰水平。

此外，在GBM肿瘤中，无论IDH1突变状态如何，启动子区域或基因体上5hmC修饰与基因表达之间的双向相关性均受到严重干扰。与表型相关的共调控5hmC-5hmC模块和5hmC-mRNA模块不仅富集了提示GBM发病机制的不同分子通路，而且具有与IDH1突变状态相当的预后意义。最后，与常规预后因子IDH1（c-index = 57%）相比，性能最佳的5hmC模型能够以更高的准确度预测患者生存（c-index = 74%），捕捉到肿瘤独立于IDH1突变状态和基于基因表达的分子亚型的分子特征。结论：基于5hmC的预后模型为预测GBM患者生存提供了一种稳健的工具，优于IDH1突变等现有预后因素。5hmC与基因表达之间的串扰

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。