非小细胞肺癌拷贝数变异的疾病发展、基因组位置与生物学功能影响

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-34140

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

肺癌是美国癌症相关死亡的主要原因，其中超过80%为非小细胞肺癌。研究表明，肺癌中的拷贝数改变（CNAs）在特定基因组区域呈位置聚集。然而，拷贝数变化的基因是否在功能上聚集仍不清楚。利用高密度单核苷酸多态性阵列，我们对大量非小细胞肺肿瘤样本（n = 301）进行了全基因组拷贝数分析。我们提出了一种正式的统计检验方法，用于比较不同组别（如未受累肺组织与肿瘤、早期与晚期肿瘤）之间的CNAs。我们还定制了基因集富集分析（GSEA）算法，以探究具有CNAs的基因在预定义生物通路和基因集中的过度代表情况（即功能聚集）。我们发现，从生殖系、早期到晚期肿瘤，CNAs事件显著增加。除了基因组位置外，CNAs倾向于发生在远离基因位置的地方，尤其是在生殖系、未受累组织和早期肿瘤中。

这种倾向从生殖细胞系到早期阶段再到晚期肿瘤逐渐减弱，表明肿瘤进展过程中选择压力有所放松。此外，非小细胞肺癌肿瘤中具有拷贝数变异的基因在特定基因集和生物学通路中富集，这些通路在肿瘤发生和癌症进展中起着关键作用，展示了拷贝数变异在先前被忽视的生物学通路背景下的功能层面。我们得出结论，拷贝数变异随着疾病进展而增加，并且这些变异在位置和功能上均呈聚集性。通过拷贝数变异获得的潜在功能能力可能足以使正常细胞转化为恶性细胞。使用Affymetrix 250K Nsp GeneChip对301份非小细胞肺癌肿瘤样本进行了拷贝数分析。

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。