GSE76783：小基因组插入产生的致癌增强子

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE76783

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

肿瘤细胞基因组的非编码区承载了相当比例的总变异，但此类变异对肿瘤发生的功能贡献尚不明确。在这些非编码变异中，体细胞插入因短读长DNA序列解读的困难而成为特征描述最不充分的类型之一。为解决这一问题，我们利用ChIP-seq富集并测序增强子DNA，结合采用多重比对流程的计算方法识别小插入，从而在多种肿瘤细胞中鉴定出增强子相关的小插入变异。在此研究的82个肿瘤基因组中，小插入频繁出现于已知癌基因附近的增强子DNA序列中。对其中一个在原发性白血病肿瘤基因组中发现的小插入的进一步研究表明，该插入可成核形成活跃增强子，驱动LMO2癌基因的表达。本文所述的增强子相关小插入变异目录为进一步研究此类变异在多种人类癌症中的功能提供了基础。

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。