肿瘤干细胞样细胞的网络生物学鉴定出 CBX5 在肺癌中的调控作用

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-35603

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

越来越多的证据表明，具有干细胞特性的癌症与较差的预后之间存在关联。为了理解这一生物学现象，一种常用的方法是将网络生物学与信号处理机制相结合。然而，即便拥有正确的工具，仅凭少量基因特征来预测高度敏感目标的风险仍然极为困难。通过汇编源自不同组织的一组肿瘤干细胞样细胞（TSLCs）的表达谱，将其与亲本肿瘤细胞（PTCs）及人类胚胎干细胞（hESCs）进行比较，并整合网络分析与信号机制，我们提出，在组织特异性条件下，网络拓扑加权信号处理测量可为目标识别提供可扩展且可预测的方法。与该项目相关的所有功能代码均可在补充网站上获取。我们假设，由肺-TSLC网络模拟的肺肿瘤转录随机元素可用于估计预后生存时间。

设计了一种可扩展的、基于网络的信号处理模型，用于分析单个基因或与网络中其他基因参与者相关的一组基因的转录信号。我们按以下三个步骤检验了我们的假设：（1）通过分析三组细胞的转录组——亲本肿瘤细胞（PTCs）、培养的TSLCs以及人类胚胎干细胞（hESCs）——构建共识TSLC网络和肺-TSLC网络；（2）开发网络拓扑加权信号处理测量方法，并应用此类测量方法寻找生存相关性并识别潜在的生物学验证靶点；以及（3）在另一个LAC临床队列中，以及在肺TSLCs功能测定和动物模型中的敲低实验中，验证一个潜在的调控靶点——Cbx5。

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。