GSE93709：转录因子跨疾病位点作用：自身免疫中的EBNA2

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE93709

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

解释许多疾病的遗传机制颇具挑战性，因为大多数关联位点定位于调控区域。我们提出了一种新的计算方法，用于发现跨多个疾病相关非编码基因组区域发挥作用的疾病驱动机制。将该方法应用于一个包含213种表型和1，544个转录因子（TF）结合数据集的矩阵，在92种表型（包括前列腺癌和乳腺癌）中鉴定出数百种TF的2，264个显著关联。引人注目的是，近一半的系统性红斑狼疮风险位点被EB病毒EBNA2蛋白和24种人类TF所占据，揭示了一种重要的基因-环境相互作用。EBNA2锚定的关联也存在于多发性硬化、类风湿性关节炎、炎症性肠病、1型糖尿病、幼年特发性关节炎和乳糜泻中。在可能的因果性自身免疫变异中，等位基因依赖性DNA结合及对基因表达的下游效应的实例支持了一种以EBNA2为中心的发病机制遗传模型。我们的结果提出了跨疾病风险位点发挥作用的机制，提示了疾病起源的新范式。

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。