东亚肺腺癌风险表达与DNA甲基化生物标志物数据集 [RNA-seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1392422

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

肺腺癌（LUAD）是最常见的肺癌类型。近期一项针对东亚人群LUAD的全基因组关联研究（GWAS）报告了25个位点上的28个独立易感变异，并利用 ancestry-matched 肺组织表达定量性状位点（eQTL）数据集，识别出2个基因，其遗传预测表达水平与LUAD风险相关。识别更多易感位点并理解其潜在生物学机制是可取的。利用扩展的东亚LUAD GWAS以及 ancestry-matched 肺组织eQTL和DNA甲基化QTL数据集，我们同时进行了全转录组关联研究和全DNA甲基化组关联研究，并检查了基因的实测表达与邻近CpG的DNA甲基化之间的关联（eQTM）。如果这三种关联同时成立，则将基因及其邻近CpG称为CpG–基因–LUAD三元组。在Bonferroni校正P<0.05时，我们识别出一个新的易感位点（6p21.31；领先SNP rs7772643）、10个LUAD相关基因和86个LUAD相关CpG。

在错误发现率q<0.05时，我们识别出28个与LUAD相关的基因、220个与LUAD相关的CpG位点以及45个CpG-基因-LUAD三元组；其中，有43个在这三种关联方向上是一致的。这些结果表明，东亚地区已知的28个LUAD易感变异中有23个位于这些基因或CpG位点附近，而MARCH3、ELF5、IKZF3、GSDMB、CCDC116和DSP则是推测的新易感位点。其中很少有在欧洲人群的LUAD中被报道。本研究极大地推进了我们对东亚地区LUAD病因学的理解，并可能有助于转化应用的开发。总体设计：从肺癌组织核心库中，选取了61名非吸烟的肺腺癌受试者，经过数据预处理后，使用Illumina RNA Access文库试剂盒获得了肿瘤邻近正常肺组织的基因表达谱。

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。