乳腺癌中部分甲基化结构域高度变异并驱动广泛的CpG岛高甲基化

数据集获取

源站：https://doi.org/10.17026/DANS-276-SDA6

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

该数据集包含题为“部分甲基化结构域在乳腺癌中高度变异并促进广泛的CpG岛高甲基化”研究的补充表格和轨迹文件。文件PMDs_CGIs包含的文件有：- 检测到的PMDs的基因组位置及其平均甲基化水平（加权平均，见方法部分）- CpG岛的基因组位置及其平均甲基化水平（加权平均）- “Brinkman”目录包含本研究产生的乳腺癌数据文件- “normals”目录包含本研究中分析的正常组织（外部数据）文件- “tumors”目录包含本研究中分析的肿瘤（外部数据）文件所有基因组位置基于GRCh37/hg19。所有文件均为制表符分隔的文本文件（.tsv）。DNAme_bigwigs包含的文件为BIGWIG格式，用于在UCSC等基因组浏览器（http://genome.ucsc.edu）中查看DNA甲基化谱。每个文件代表本研究中一个肿瘤的全基因组亚硫酸氢盐测序（WGBS）DNA甲基化谱。使用的基因组版本为GRCh37/hg19。对于每个覆盖度至少为4个读段的CpG，包含其DNA甲基化值（范围：0-1）。

方法

PMD的检测

本研究中对所有全基因组亚硫酸氢盐测序（WGBS）甲基化谱中部分甲基化结构域（PMD）的检测，均使用R语言的MethylSeekR包完成（1）。在进行PMD识别之前，剔除了与常见SNP（dbSNP build 137）重叠的CpG位点。通过α分布（1）判断是否存在PMD，并结合对WGBS谱的目视检查。PMD识别完成后，进一步过滤所得PMD，去除与着丝粒（序列内容未确定）重叠的区域。

CpG岛内的平均甲基化水平

WGBS在CGI内的平均甲基化值采用“加权甲基化水平”计算（2）。

PMD内的平均甲基化水平

WGBS在PMD内的平均甲基化值采用

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。