肺腺癌配对肿瘤正常样本整合miRNA与mRNA测序鉴定抑癌microRNA

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE110907

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

尽管微小RNA（miRNA）具有重要的调控功能，但其在肺癌生物学中基因组尺度上的作用尚未被系统探索。本文报告了对109例韩国女性非小细胞肺腺癌患者配对肿瘤与正常样本的microRNA和mRNA测序数据的整合分析。我们为48例患者产生了miRNA-Seq和RNA-Seq数据，并为另外61例患者仅产生了RNA-Seq数据。以严格标准进行的差异表达分析得到44个miRNA和2,322个基因。利用miRNA-靶标信息对差异表达的miRNA和基因进行整合基因集分析，得到了若干与细胞周期调控相关且被抑癌miRNA靶向的过程。我们在A549和NCI-H460细胞系中进行集落形成实验，以检验癌症中下调miRNA的抑癌活性，并鉴定出7个新型抑癌miRNA。两个miRNA在TCGA LUAD患者队列中显示出差异生存特征，提示其具有预后价值。

我们的研究不仅提供了来自配对肿瘤-正常样本的大量miRNA和mRNA测序数据集，还报道了几种新型抑癌miRNA，这些miRNA可进一步开发为预后生物标志物或RNA治疗靶点。

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。