小鼠乳腺癌外显子水平转录组分析揭示不同转移能力肿瘤的特异性剪接变化

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE21994

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：乳腺癌是影响女性的第二常见癌症类型。我们越来越意识到mRNA剪接的变化与癌症的各种特征有关。癌症最致命的方面是转移，即癌症从原发肿瘤扩散到远处器官的过程。然而，关于选择性剪接在宏观转移形成中的具体作用知之甚少。我们的研究调查了以不同能力形成生长性转移的肿瘤所特有的转录异构体变化。方法与发现：为了识别与乳腺癌完全转移表型相关的选择性剪接事件（ASEs），我们使用Affymetrix外显子微阵列在全基因组范围内对弱转移性（168FARN和4T07）和高转移性（4T1）乳腺肿瘤的mRNA异构体变异进行了分析。统计分析发现，在155,994个外显子中有7,606个（4%）以及189,460个内含子区域中有1,725个（1%）存在显著的表达变化，这些变化影响了16,654个基因中的2,623个（16%）。

这些变化对应于推测的替代异构体——其中几个是新颖的——在不同转移表型的肿瘤之间差异表达。基因通路分析显示，表达替代异构体的基因中有1224个参与细胞生长、细胞相互作用、细胞增殖、细胞迁移和细胞死亡，并且先前已与癌症和遗传疾病相关联。我们选择了十个预测的剪接变体进行RT-PCR验证，其中八个被成功确认（MED24、MFI2、SRRT、CD44、CLK1和HNRNPH1）。这些包括CD44中的三个新颖内含子保留，CD44是一个先前其异构体变异与几种癌症的转移相关联的基因。结论：我们的发现揭示了各种基因在与肿瘤细胞转移表型相关的情况下被不同地剪接和/或表达。识别转移特异性异构体

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。