透明细胞肾细胞癌基因组与转录组数据整合及自动化分析

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE76351

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

肾细胞癌（RCC）是最常见的实体肾脏肿瘤之一，占所有恶性肾脏肿瘤的90%。透明细胞型RCC是RCC中最常见的类型，其特征包括第3号染色体重排、因突变或启动子高甲基化导致的VHL失活、5p扩增，以及KDM6A/UTX、SETD2、KDM5C/JARID1C和MLL2基因的突变。多项研究利用高通量平台（微阵列SNP分型、RNA-seq、全外显子组和全基因组测序）对ccRCC的分子特征进行了描述。然而，不同人群间观察到的突变和基因表达水平的差异提示，该疾病的病因和机制也可能存在差异。为了获取西俄罗斯人群的相关信息，我们进行了DNA重测序和微阵列表达谱分析，并将这些数据整合至单一数据集中。随后，我们采用标准的分子数据分析流程（基因集富集分析、因果基因网络生成、主成分分析）同时分析了DNA突变和基因表达水平。

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。