哥伦比亚女性乳腺肿瘤中祖先血统作为基因表达潜在修饰因子的数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE101927

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：已有报道显示，乳腺癌结局存在种族/民族差异。西班牙裔/拉丁裔（H/L）人群是一个遗传混合且异质性强的群体，其欧洲、美洲原住民和非洲血统比例各不相同。部分研究提示，即使在校正社会经济状况和教育水平后，美国西班牙裔/拉丁裔女性的乳腺癌特异性死亡率仍高于非西班牙裔白人（NHW）。乳腺癌的分子特征已在NHW人群中得到广泛描述，但西班牙裔/拉丁裔人群缺乏同等知识。我们此前曾报道，根据2013年圣加仑替代标准定义，哥伦比亚H/L女性中最常见的乳腺癌内在亚型为Luminal B型。本研究在这些高度混合的女性中探讨了Luminal B肿瘤分子谱中与血统相关的差异。方法：我们对来自哥伦比亚女性的42例Luminal肿瘤（21例Luminal A型和21例Luminal B型）进行了全转录组RNA-seq分析。遗传血统通过一组80个血统信息标记（AIM）进行估计。

我们根据Luminal亚型和欧洲及美洲原住民血统比例对患者进行分类，并按所归属的血统组别对Luminal B与Luminal A肿瘤进行差异表达分析。结果：我们发现5个可能受遗传血统调控的基因：ERBB2（倍数变化 = 2.367，padj < 0.01）、GRB7（倍数变化 = 2.327，padj < 0.01）、GSDMB（倍数变化 = 1.723，padj < 0.01）、MIEN1（倍数变化 = 2.195，padj < 0.01）和ONECUT2（倍数变化 = 2.204，padj < 0.01）。在验证集中，我们发现欧洲血统比例与ERBB2（p = 0.02，B = 2.49）和ONECUT2（p = 0.04，B = -4.87）的表达水平之间存在统计学显著关联。我们还观察到ERBB2表达与美洲原住民血统之间存在统计学显著关联（p < 0.001，B = 3.82）。该关联

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。