GSE149955：癌症相关成纤维细胞的DNA甲基化组和转录组图谱揭示吸烟相关恶性指数

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE149955

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

与肿瘤中研究较为深入的异常表观基因组不同，肿瘤微环境（TME）中DNA甲基化的临床病理学影响，尤其是癌症相关成纤维细胞（CAFs）的贡献，仍不清楚。CAFs在患者与患者之间表现出显著的致瘤异质性。我们探讨了这种异质性是否可用于量化TME的恶性程度。我们针对非小细胞肺癌患者的CAFs及配对的正常成纤维细胞（NFs）开发了一套稳健高效的甲基化组/转录组联合分析系统。我们发现了14，781个CAF/NF差异甲基化CpG位点，其中3，707个位点在曾经吸烟者中显示出比不吸烟者更高的甲基化变化。伴随的CAF/NF差异基因表达分析指向一个由54个吸烟相关CpG位点组成的子集，这些位点具有强烈的甲基化调控基因表达。我们构建了一个总结这些CpG位点β值的甲基化指数，用于区分NF/CAF（MIND），具有高灵敏度和特异性。MIND在检测个体患者癌前病变方面的潜力得到了展示。

MIND在多个肺癌队列中成功预测了肿瘤复发，且不依赖患者生存数据，表明该指数可能有效评估TME的恶性程度。精准的TME分级可提供额外的病理信息，以指导癌症预后，并为个性化医疗开辟更多选择。

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。