宫颈癌前病变与浸润性疾病的DNA甲基化特征：一项表观基因组范围关联研究

该数据集来自 NCBI BioProject（编号 PRJNA1215428），主题为宫颈癌前病变与浸润性疾病的 DNA 甲基化特征，属于表观基因组范围关联研究

sra

基因组分类Epigenomics

PRJNA1215428: DNA METHYLATION SIGNATURES OF CERVICAL PRE-INVASIVE AND INVASIVE DISEASE: AN EPIGENOME-WIDE ASSOCIATION STUDY

基本信息

模态

基因组

任务类型

分类

创建/更新时间

2026-10-20

资源简介

宫颈癌前病变与浸润性疾病的DNA甲基化特征：一项表观基因组范围关联研究

该数据集为 NCBI BioProject 收录的一项表观基因组学研究项目，编号 PRJNA1215428，英文标题为“DNA METHYLATION SIGNATURES OF CERVICAL PRE-INVASIVE AND INVASIVE DISEASE: AN EPIGENOME-WIDE ASSOCIATION STUDY”。从标题可以看出，该项目聚焦宫颈癌前病变与浸润性疾病之间的 DNA 甲基化特征，采用表观基因组范围关联研究的思路，试图从甲基化层面刻画疾病进展过程中的分子变化。数据集在分类上归属于肿瘤领域下的宫颈癌方向，主题标签为表观基因组学（Epigenomics），来源站为 ncbi.nlm.nih.gov。整体而言，这是一个以宫颈病变为研究对象、以 DNA 甲基化为核心数据类型的生物项目记录，适合用于探索宫颈癌发生发展相关的表观遗传标志物。

【数据集背景】

宫颈癌是女性常见的恶性肿瘤之一，其发生通常经历从癌前病变到浸润性癌的连续过程。在这一过程中，除基因突变外，表观遗传改变尤其是 DNA 甲基化异常，被认为在基因表达调控和肿瘤进展中发挥重要作用。该数据集所对应的 BioProject 正是围绕这一背景设立，旨在通过表观基因组范围关联研究，识别与宫颈癌前病变及浸润性疾病相关的 DNA 甲基化特征。项目标题同时涵盖“pre-invasive”和“invasive”两个阶段，说明其关注点并非单一状态，而是疾病进展谱系中的甲基化差异。该数据集所属分类为肿瘤 / 宫颈癌，主题标签为表观基因组学，表明其数据性质偏向高通量甲基化检测与表观遗传分析。

【数据内容】

该数据集为 NCBI BioProject 记录，编号 PRJNA1215428。BioProject 本身是一个生物数据集合，用于汇集与某一项研究计划相关的多种数据类型，这些数据来自单一机构或联合体。因此，该记录并不等同于单一实验的原始数据文件，而是一个项目级别的入口，用户可通过它找到该项目所产生的各类数据链接。就本数据集而言，其核心内容围绕宫颈癌前病变与浸润性疾病的 DNA 甲基化特征展开，属于表观基因组范围关联研究。主题标签为 Epigenomics，进一步说明数据内容以表观基因组学为主。关于具体的样本数量、甲基化位点数目、测序平台、数据文件格式等细节，源站未提供。

【采集与来源】

该数据集的来源站为 ncbi.nlm.nih.gov，具体以 BioProject 形式收录，项目编号为 PRJNA1215428。BioProject 记录通常由单一组织或联合体发起，用于整合某一研究计划下产生的多样数据类型。该项目的源站标题为“DNA METHYLATION SIGNATURES OF CERVICAL PRE-INVASIV... (ID 1215428) - BioProject - NCBI”，表明其归属于 NCBI 的 BioProject 数据库。关于样本采集地点、采集时间、人群特征、伦理审批信息以及具体的研究机构等，源站未提供。

【适用场景】

基于该数据集的主题与分类，其潜在适用场景包括：宫颈癌前病变与浸润性疾病的表观遗传标志物探索、DNA 甲基化在宫颈癌进展中的关联分析、表观基因组范围关联研究方法的应用与验证，以及肿瘤表观基因组学相关研究的数据整合与二次分析。由于该数据集属于 BioProject 项目记录，也可作为查找该项目下各类数据资源的入口，用于跨数据类型的数据发现。需要说明的是，以上场景系依据数据集标题、分类和主题标签所作的一般性推断，具体适用性需结合项目实际数据内容判断。

【使用方法】

该数据集可通过 NCBI BioProject 数据库访问，项目编号为 PRJNA1215428。用户可在 NCBI 网站中检索该编号，进入项目页面后查看项目描述及指向各类数据的链接。BioProject 记录的设计目的即在于为用户提供一个统一入口，以便找到同一项目下生成的不同类型数据。关于具体的数据下载方式、文件格式、分析流程或配套工具，源站未提供。

【质量与限制】

该数据集为 BioProject 项目级别记录，其质量与限制取决于项目本身所提交的数据及元数据完整程度。当前可确认的信息包括项目编号、英文标题、分类、主题标签及来源站。关于样本量、数据完整性、批次效应、技术重复、验证实验等质量相关指标，源站未提供。此外，BioProject 记录本身是数据集合的索引性描述，不直接代表原始数据质量。使用者在进行二次分析时，应结合项目页面提供的具体数据与元数据自行评估。

【引用与许可】

该数据集的来源站为 ncbi.nlm.nih.gov，项目编号为 PRJNA1215428。关于该数据集的引用格式、许可协议、使用条款或数据共享政策，源站未提供。建议用户在使用前访问 NCBI BioProject 对应页面，查阅项目方或数据库方发布的最新引用与许可信息。

原始链接

https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE287994

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务（收技术服务费，非数据销售）

暂未开放

当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1215428

标准获取流程：

访问源站链接，注册/登录账号；
进入数据集详情页，按页面指引申请权限或直接下载；
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

表观遗传改变在癌症发生中至关重要，而宫颈癌的表观基因组范围探索却较为有限。在这项表观基因组范围关联研究（EWAS）中，我们探索了与CIN（宫颈上皮内瘤变）3级及宫颈癌相关的差异性DNA甲基化特征，以更好地理解宫颈癌变的潜在驱动因素和生物标志物。2014年至2020年间招募了247名女性（N=119良性，N=74 CIN3/CGIN（宫颈腺上皮内瘤变），N=54癌症）。甲基化特征从脱落宫颈细胞中获取，并使用Illumina 850k芯片进行测序。采用逻辑回归和条件分析来检验胞嘧啶-磷酸-鸟嘌呤（CpG）位点与病例对照状态之间的独立关联，并调整批次、芯片、年龄和人乳头瘤病毒（HPV）状态。409个CpG位点与CIN3/癌症强烈相关（P值<5x10-8）。

条件分析后，位于PAX1（cg16767801）和NREP-AS1基因（cg23642047）的两个CpG位点与病例状态独立相关；产生的曲线下面积（AUC）为0.92（侵袭性疾病AUC=0.97）。在一个验证数据集（仅CIN3）中，PAX1/NREP-AS1联合AUC为0.77。甲基化标志物在宫颈筛查中显示出应用前景，特别是作为分流检测和自我采样。我们发现了一种新型联合甲基化标志物，其在检测CIN3或更严重病变方面具有高准确性。总体设计：在247名女性的队列中，我们进行了一项针对CIN3和宫颈癌与良性对照的表观基因组关联研究，在有和无HPV感染的情况下，旨在检测与高级别宫颈病变相关的最强信号，以期转化为宫颈筛查的诊断测试。

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