犬皮肤肥大细胞瘤全局基因表达分析

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-50433

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

本研究对犬肥大细胞瘤（MCT）转录组进行了表征，旨在鉴定一组可能有助于MCT分类和预后预测的候选基因。研究纳入了51例犬MCT活检样本。分离纯化的总RNA分别与Agilent Canine V2 4x44k DNA微阵列杂交。比较参考的分化型与未分化型MCT转录组，共发现597个差异表达基因（450个上调，147个下调）。对该基因集的功能分析表明，这些基因主要参与细胞周期、DNA复制、p53信号通路、核苷酸切除修复和嘧啶代谢。类别预测分析鉴定出13个转录本，其类别预测准确性最高，并将样本分为两类（分化型和未分化型MCT）。此处采用的分子分类具有预后意义，因为各分组与生存时间直接相关（p = 0.0026）。

在本研究中，我们基于单色检测（仅使用花菁-3）的Agilent Canine V2 4x44k（G2519F，设计ID 021193）DNA微阵列平台（60张芯片，8次重复），分析了51份肥大细胞肿瘤样本的基因表达谱。微阵列使用Agilent扫描仪G2565BA（条形码位于左侧，DNA位于背面，透过玻璃扫描）以5微米分辨率进行扫描；所有载玻片均在两种不同灵敏度设置（XDRHi 100%和XDRLo 10%）下各扫描两次；扫描仪软件为每对XDR扫描创建唯一ID，并将其保存至两个扫描图像文件中。Feature Extraction 9.5在提取数据时利用XDR ID自动将成对扫描关联起来。在所有FE处理步骤完成后所保留的信号即为ProcessedSignal，其中包含乘性去趋势、背景减除后的信号。

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。