结直肠癌体细胞单亲二体模式识别新型抑癌基因

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE64110

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

本研究旨在建立散发性结直肠癌中复发性UPDs/UPPs、CNAs及全基因组甲基化状态的整合图谱。我们的结果表明，UPDs/UPPs高频出现的区域大多与通常涉及基因组丢失的区域重合，如染色体臂1p、5q、8p、14q、17p、18q、20p和22q。其中，染色体臂5q、14q、17p和20p更倾向于发生UPDs/UPPs而非基因组丢失，提示肿瘤细胞必须维持某些基因的二体状态以利于细胞适应性。利用来自The Cancer Genome Atlas的300多份样本进行的荟萃分析证实了我们的发现。此外，基因CSPG2、FLT4、SFRP1、DLK1和GAS7频繁涉及UPDs/UPPs区域，并显示出高水平甲基化，揭示UPDs/UPPs可导致高甲基化失活基因的重复。该数据集包括30例结直肠癌的阵列CGH。

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。