匹配的肺肿瘤与肺气肿基质蛋白质组学、转录组学及翻译组学

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD007919

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

慢性阻塞性肺疾病（COPD）是发生肺癌的已知风险因素，这提示COPD基质中含有支持肿瘤发生的因子。由于癌症起始过程复杂，我们采用多组学方法识别能够区分伴有或不伴有肺癌的COPD患者基质的基因表达模式。我们的总体目标是识别伴有肺癌的COPD患者肺基质中的基因表达通路及其调控水平。我们获取了COPD伴肺癌患者（肿瘤组织及邻近非恶性组织）以及COPD不伴肺癌患者的肺组织，用于蛋白质组学和mRNA（细胞质及多核糖体）谱分析。我们使用联合与个体变异解释（JIVE）方法对三个数据集进行整合与分析。JIVE识别出八种潜在模式，能够稳健地区分和分离这三组组织样本。

与肿瘤相关的预测变量，相较于邻近基质，主要体现在转录组数据中；而相较于对照组，与邻近组织相关的预测变量则在翻译组水平上有所体现。京都基因与基因组百科全书(KEGG)通路分析显示，细胞外基质(ECM)和PI3K-Akt信号通路是前恶性基质中的重要信号。肺癌邻近的COPD基质具有独特性，与非恶性COPD组织不同，并以细胞外基质和PI3K-Akt信号通路为特征。

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。