非小细胞肺癌与对照肺组织的全基因组DNA甲基化图谱

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-41343

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

目的：生成非小细胞肺癌（NSCLC）及其配对肺组织的全基因组甲基化图谱，以检测肿瘤中存在的超甲基化和低甲基化区域。方法：对7例NSCLC肿瘤样本及配对肺组织进行甲基化捕获（MethylCapture）联合下一代测序（Illumina GAIIx），并设置重复实验，另加一株细胞系、2个完全人工甲基化对照和2个完全人工非甲基化对照。基于CpG偶联因子法对甲基化reads进行标准化。以500bp非重叠窗口计算相对甲基化评分（rms）。取全基因组所有500bp窗口rpm（每百万reads）值的第90百分位数，纳入rpm <1.33的窗口。采用单侧Student’s t检验和单侧Wilcoxon秩和检验比较每个500bp基因组区域内10bp分箱rms值的分布。分别针对低甲基化和超甲基化进行检验，p值阈值设为10^-18。结果：MethylCap-seq数据显示重复实验之间以及配对肿瘤/肺组织样本之间呈强正相关。共发现14472个具有非重叠500bp窗口的差异甲基化区域（DMR）。

57个DMRs存在于所有NSCLC肿瘤中。287个为鳞状细胞癌所特有，26个为腺癌所特有。虽然低甲基化的DMRs与任何特定功能类别的基因无关，但高甲基化的DMRs与编码转录调节因子的基因强烈相关。此外，在NSCLC样本中，亚端粒区域和卫星重复序列呈现低甲基化。结论：我们提供了一个包含NSCLC及其配对肺组织全基因组DNA甲基化图谱的资源，以及NSCLC中已知和新型DMRs及相关基因的全面列表。这些DMRs可用于进一步研究，以开发NSCLC的敏感生物标志物，这可能有助于该疾病的非侵入性诊断和早期检测，并有可能实现组织学分类。

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。