乳腺癌中致癌组蛋白突变的表型与功能特征研究

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE295987

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

尽管编码组蛋白的基因突变在癌症中的发生率与其他一些体细胞突变相似，但组蛋白突变驱动肿瘤发生的潜在机制尚未被充分探索。在此，我们利用MSK-IMPACT和cBioPortal的数据，整理了乳腺癌核心组蛋白基因中发生的错义突变，以识别高频乳腺癌相关组蛋白基因突变。我们表征了17个高频致癌组蛋白突变，这些突变位于H2A、H2B和H3中，在乳腺癌样本中富集，并发生在谷氨酸（E）、天冬氨酸（D）、丝氨酸（S）和精氨酸（R）残基上。其中许多突变体在乳腺癌样本中与PIK3CA突变共存。这些致癌组蛋白突变体在MCF-7乳腺癌细胞或MCF10A乳腺上皮细胞中表达，并通过多种基于细胞和肿瘤的试验（即增殖、迁移、侵袭、竞争性生长、转化）筛选其对致癌表型的影响。

此外，我们研究了选定突变体对DNA损伤、基因表达以及组蛋白翻译后修饰（如乙酰化、磷酸化、甲基化、ADP-核糖基化）的影响。我们的结果表明，我们筛选的癌组蛋白突变体集合具有不同的表型和功能效应。一些突变体能够促进癌症相关表型，并可能作为潜在的癌症驱动因素，其中H2B-E76K/Q、H3-E97K和H3-E105K引发了强烈的癌症表型。这些观察结果可作为资源，将生物学和分子结果与乳腺癌中的癌组蛋白联系起来。

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。