肺癌中的“off-context”基因表达识别一组易转移肿瘤

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30219

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

与癌症相关的表观遗传改变有一个尚未被探索的后果，即组织限制性基因的异位表达。在此，我们开发了一种新策略，用于解读全基因组表达数据以寻找这些“脱离背景”的基因激活，该策略首先在于鉴定大量在大多数体细胞中通常被表观遗传沉默的组织特异性基因，其次在于将它们作为癌症生物标志物以“开/关”的方式使用。将这一概念应用于肺癌全基因组转录组数据的分析，我们发现了一组特定的26个基因，其表达在我们的293个肺部肿瘤队列以及两个独立的外部群体中，均是预后不良的强有力且独立的预测因子。此外，这26个分类基因使我们能够分离出一组同质的易转移高度侵袭性肿瘤，其特征性基因表达谱揭示了高增殖潜力，同时免疫和信号传导功能显著下降。这项工作展示了一种癌症个性化管理的新方法，可应用于任何癌症类型。

分析了293份肺部肿瘤样本和14份非肿瘤肺样本。

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。