非间隙阵列比较基因组杂交微阵列在亚洲与高加索人群中识别的新型肺癌相关基因

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-21276

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

本研究构建了一个无间隙的细菌人工染色体（BAC）阵列，包含3604个BAC克隆，覆盖了18个与肺癌相关的染色体失衡热点区域。利用这一专门阵列，通过阵列比较基因组杂交（array-CGH）技术，对40名亚洲和20名高加索非小细胞肺癌（NSLCL）患者的肿瘤及正常组织DNA进行了分析。采用分块归一化和贝叶斯回归方法优化了array-CGH识别出的染色体失衡区域。随后，利用MetaCore软件分析array-CGH结果，以识别潜在的癌症相关基因。最终，筛选出273个与分子途径、癌症生物标志物和基因本体数据库显著相关的基因，如位于6p22.1的ZNF322A、10q24.1的ARHGAP19、10q24.1的FRAT2以及17p13.3的PAFAH1B1，这些基因在MAPK、Rho GTPase、Wnt及运动控制途径中发挥作用，并频繁出现拷贝数增加。本研究精确定位了肺癌中的新型致癌基因或抑癌基因，并揭示了亚洲与高加索人群肺癌染色体失衡差异的见解。

临床样本制备与DNA提取：在获得相应的机构审查委员会许可和招募患者的知情同意后收集组织。从台湾台北荣民总医院收治的40例确诊为原发性NSCLC的患者中收集手术切除的肿瘤组织和相应的正常组织，并从美国芝加哥大学收集20例白人NSCLC肿瘤组织。组织学分类根据WHO分类和肿瘤-淋巴结-转移系统确定。患者的年龄、性别、肿瘤类型、肿瘤分期和吸烟史信息从医院记录中获得。基因组DNA采用蛋白酶K消化和苯酚-氯仿提取法制备。阵列-CGH：所使用的基因组微阵列包含3604个BAC克隆，代表

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。