乳腺癌细胞基因表达、CpG岛甲基化与基因拷贝数深度测序分析数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE27003

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

我们采用深度测序技术，在八种常用乳腺细胞系中同时描绘了转录组、基因拷贝数及CpG岛甲基化状态，旨在构建模型，阐释这些基因组特征如何在雌激素受体阳性（ER+）与阴性（ER-）乳腺癌中整合。总mRNA序列、基因拷贝数及基因组CpG岛甲基化分析均借助Illumina Genome Analyzer完成。序列映射至人类基因组，以获取数字化的基因表达数据、参照非肿瘤细胞系（MCF10A）的DNA拷贝数，以及21,570个CpG岛的甲基化状态，从而识别与甲基化或拷贝数变化相关的差异表达基因。这些发现在129例原发性乳腺肿瘤的数据集中进行了评估。细胞系中的基因表达以ER相关基因占主导。ER+与ER-细胞系形成两个截然不同且稳定的聚类，两组间有1,873个基因差异表达。所有ER-细胞中第8号染色体部分缺失，而所有ER+细胞中第17号染色体部分扩增。

这些位点编码了30个在ER+细胞中过表达的基因；其中9个基因在ER+肿瘤中过表达。我们鉴定出149个差异表达基因，这些基因在其5’端5kb范围内一个或多个CpG岛表现出差异性甲基化，并且其mRNA丰度与CpG岛甲基化状态呈负相关。在原发性肿瘤中，我们鉴定出84个基因，它们似乎是我们于ER+细胞系中鉴定出的甲基化特征的稳健组成部分。我们的分析揭示了一种差异性CpG岛甲基化的全局模式，该模式促成了ER+和ER-乳腺癌细胞及肿瘤的转录组景观。基因扩增/缺失的作用似乎较为有限，尽管有几个潜在重要的基因似乎受拷贝数畸变调控。

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。