转录与基因组图谱断点分析发现跨多种人类癌症的新型基因融合（RNA-seq）

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE45133

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

我们报告了一种“断点分析”流程的设计与实现，该流程通过基因内部发生的转录本水平或基因组DNA拷贝数转变这一特征性线索来发现新的基因融合。我们利用该方法从高密度阵列CGH数据集以及外显子分辨率表达微阵列中筛选候选重排。我们挖掘了公开可用的数据以及本实验室生成的数据集。选取了若干基因融合候选进行进一步表征，并使用配对末端RNA测序对相应样本进行分析，以确定基因融合的身份。通过这种方法，我们报告了跨越多种癌症亚型（包括血管肉瘤、胰腺癌、间变性星形细胞瘤、黑色素瘤、乳腺癌和T细胞急性淋巴细胞白血病）的新基因融合的发现与表征。综上所述，本研究为基因融合发现提供了一种稳健的方法，我们的结果凸显了融合基因在癌症发病机制中更为广泛的作用。

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。