慢性淋巴细胞白血病标本高通量RNA测序基因表达与剪接改变数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE70830

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

背景：为确定慢性淋巴细胞白血病标本中差异表达和差异剪接的RNA转录本，进行了高通量RNA测序（HTS RNA-seq）分析。方法：采用HTS RNA-seq对10例CLL标本和5例正常外周血CD19+ B细胞进行分析。文库构建使用Illumina TrueSeq RNA试剂盒，并通过Illumina HiSeq 2000测序系统进行分析。结果：B细胞平均获得4850万条reads，CLL标本平均获得5060万条reads；正常B细胞和原代CLL标本分别组装出10396和10448个转录本。通过Cuffdiff分析，基于FPKM（每百万reads中每千碱基转录本的片段数，错误发现率FDR q<0.05，倍数变化>2），共鉴定出B细胞与CLL标本之间的2091个差异表达基因（DEG）。在CLL标本测试队列中，还通过qRT-PCR分析了RNA-seq数据中CLL表达上调和下调的选定DEG（n=32）的表达情况。

尽管RNA-seq和qRT-PCR在DEG基因的倍数表达上存在差异，但超过90%的分析基因通过qRT-PCR分析得到了验证。使用转录本剪接多变量分析（MATS分析）对CLL和B细胞中的剪接改变进行了RNA-seq数据分析。外显子跳跃是CLL样本中最常见的剪接改变，共有128个显著事件（P值<0.05，最小包含水平差异>0.1）。结论：对CLL样本的RNA-seq分析识别出新的DEG和可变剪接基因，这些基因是潜在的预后标志物和治疗靶点。大量DEG基因通过qRT-PCR获得的高水平验证支持了该分析的准确性。通过多维尺度分析对B细胞、IGVH非突变型CLL（U-CLL）和突变型CLL样本（M-CLL）的转录组进行全局比较，能够将CLL和B细胞转录组区分开来，但M-CLL

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。