NSCLC 启动子甲基化全基因组筛查鉴定多种恶性肿瘤的新型甲基化标志物

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE6695

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

背景：启动子高甲基化与同一基因座的杂合性缺失相结合，导致许多肿瘤细胞中基因功能丧失。在个体癌症发病过程中，哪些基因会被甲基化、特定的甲基化谱最初是如何建立的，或者是什么决定了肿瘤类型特异性的甲基化，这些“规则”尚不清楚。然而，对于常见肿瘤具有高度特异性和敏感性的DNA甲基化标志物将有助于癌症的早期检测，而那些恶性表型所需的标志物将识别出作为治疗靶点重要的通路。方法与发现：为了识别新的癌症特异性甲基化标志物，我们在肺癌细胞中采用了一种高通量全局表达谱分析方法。我们鉴定出132个基因，这些基因具有5’ CpG岛，在多种非小细胞肺癌细胞系中经5-aza-2’-脱氧胞苷诱导后从检测不到的水平开始表达，并且在永生化人支气管上皮细胞中表达。正如预期的那样，这些基因在正常肺组织中也表达，但通常不在配对的原发性肺癌中表达。

对这些启动子区域中的一部分（45/132）在原发性肺癌（n = 20）和癌旁非恶性组织（n = 20）中进行甲基化分析显示，31个基因在肿瘤中获得了甲基化，但在正常肺组织或外周血细胞中未显示甲基化。我们在乳腺癌（n = 37）、结肠癌（n = 24）和前列腺癌（n = 24）及其对应的非恶性组织中，研究了来自肺癌数据集中甲基化频率最高且最具特异性的八个基因。我们发现，七个位点在乳腺癌和肺癌中均频繁甲基化，其中四个在所有四种上皮性肿瘤中均显示广泛甲基化。结论：通过使用系统性生物学筛选，我们鉴定出多个在原发性肺癌、乳腺癌、结肠癌和前列腺癌中具有高外显率甲基化的基因。跨肿瘤甲基化模式

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。