使用网络生物学方法鉴定宫颈癌关键调控因子 - 补充表格

数据集获取

源站：https://doi.org/10.7267/f4752p203

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

该数据包含Dariia Vyshenska博士论文的大量补充表格。论文题目：“使用网络生物学方法识别宫颈癌关键调控因子”。数据集包含两项研究的数据。研究#1：识别宫颈癌基因表达的细菌调控因子。它包含来自人类患者宫颈癌样本的微生物群落数据。通过从患者基因表达和细菌丰度数据重建跨界网络，Prevotella bivia被确定为宫颈癌基因表达的关键细菌调控因子。该数据包含跨界网络、每个宫颈癌样本中发现的细菌信息、用于测试宿主基因是否受P. bivia调控的qRT PCR引物。研究#2：识别对癌症增殖至关重要的关键宫颈癌驱动基因及其组合。我们识别了9个负责癌细胞生长的宿主基因，并确定了这些驱动基因中对癌症增殖影响最大的配对。

为实现这一目标，我们确定了每个驱动基因的靶标，并基于这些靶标的并集重构了基因共表达网络。数据包括基因共表达网络、针对34个测试潜在驱动基因的qRT-PCR引物、每个确认驱动基因的网络测量值（平均最短路径、与增殖相关的靶标数量），以及单个驱动基因或驱动基因对敲低后的增殖测量结果。

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。