GSE305293：定义基底样乳腺癌网络中的功能性枢纽基因

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE305293

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

复杂生物系统的行为源于网络化分子组分的协同活动。在这一背景下，基因调控网络（又称基因共表达网络）为基因表达程序的调控提供了见解。在癌症中，异常基因表达是分子和临床特征的基础，识别关键的网格化转录调控因子可能有助于靶向治疗干预。然而，迄今为止，计算推断的调控节点几乎没有经过实验验证。在此，我们将基因表达网络分析与基因扰动实验相结合，以检验计算识别出的枢纽基因是否在乳腺癌中作为其共表达模块的上游调控因子发挥作用。为了更好地捕捉基因调控的情境依赖性并尽量减少亚型间异质性的混杂效应，我们还构建了亚型特异性网络。利用原发性乳腺肿瘤的METABRIC转录组数据集，我们在高度侵袭性的基底样亚型中识别出了具有临床信息价值的基因模块。

候选调控枢纽依据网络中心性进行优先级排序，并在计算机模拟和体外实验中评估了其功能相关性。对选定的枢纽基因进行CRISPR介导的敲除后，模块基因协同下调且细胞功能受损，证明了枢纽基因功能、模块表达与表型结果之间的因果联系。此外，我们观察到每个敲除的转录影响与其功能效应之间存在显著相关性——这凸显了共表达模块的生物学相关性，并支持了其结构反映功能依赖性的假说。

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。