多组学整合鉴定小细胞肺癌关键分子驱动因素与可变剪接事件

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE330338

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

小细胞肺癌（SCLC）仍是一种高度侵袭性的恶性肿瘤，也是临床肿瘤学中的治疗难题。在此，我们对未经治疗的人类SCLC组织及其配对的癌旁组织（NAT，n = 12）进行了整合的多组学分析，包括转录组学、蛋白质组学、磷酸化蛋白质组学和糖蛋白质组学分析，以识别新的预后标志物和治疗靶点。这些数据集的整合揭示了RNA剪接通路在SCLC中的显著富集。我们系统地表征了异常可变剪接事件（AASEs），鉴定出6,972个事件，其中外显子跳跃是最普遍的类型。这些AASEs受RNA结合蛋白调控，并主要富集于与肿瘤增殖和转移相关的通路中。我们进一步鉴定了四种剪接相关蛋白（THOC1、MAGOHB、RBM8A和TXNL4A），它们在SCLC中显著过表达，与增殖相关，并预示不良预后。功能验证表明，THOC1敲低可在体内抑制肿瘤生长，其机制可能是通过增强抗肿瘤免疫实现的。

此外，我们呈现了首个SCLC的N-糖蛋白组图谱，提示糖基化的CEACAM蛋白可作为潜在生物标志物，并揭示了与SCLC相关的异常糖基化位点和蛋白质。我们的研究揭示了SCLC发病机制下的新型分子特征，并为开发针对RNA剪接和蛋白质糖基化的治疗策略提供了见解。

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。