乳腺癌细胞系对Topsentinol L Trisulfate或DMSO对照的全局基因表达分析

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA598573

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

我们为乳腺癌细胞中的topsentinol L trisulfate生成了一种特征标签，以预测其他可用数据集中的药物敏感性。为了处理mRNA测序数据，我们使用了TCGA mRNA-seq Pipeline。处理组和对照样本的RNA测序读数使用MapSplice v12_07进行比对，使用RSEM进行定量，并使用上四分位数归一化对基因计数进行归一化。这与用于归一化PANCAN12 TCGA数据集的方法相同，我们获取了完全处理过的TCGA数据用于本分析。为了生成TLT敏感性特征标签，我们在Bioconductor框架（版本2.14.0，R版本3.1.0）中使用了DESeq2软件包（版本1.4.5），以识别在处理组和对照组之间显著失调的基因（校正p < 0.05）。发现146个基因显著失调，其中只有131个在TCGA数据集中找到。为了使用DEseq2，必须使用Rsubread Bioconductor软件包重新映射读数。我们使用该软件包将读数映射到人类基因组的hg19版本，并将数据汇总为基因水平值。

我们使用作为MATLAB插件运行的贝叶斯二元回归算法2.0版（BinReg2.0）预测了PANCAN12 TCGA数据集的TLT敏感性。我们使用了默认参数，只是我们的特征使用了131个基因和一个元基因。二元回归模型输出的概率被1减去，因此接近1的概率表示对药物敏感的可能性更高，如前所述[29]。在进行预测之前，数据经过log2转换和DWD标准化，以减少因批次处理和平台差异可能产生的偏差。总体设计：八种TLT敏感的BL-CL细胞系分别用TLT（在EC75浓度下）或DMSO处理6小时，之后使用RNeasy Mini Kit提取总RNA。

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。