肠道癌症相关生物网络的预测与验证

数据集获取（Figshare）

• 源站标题：Prediction and Testing of Biological Networks Underlying Intestinal Cancer
• DOI：10.1371/journal.pone.0012497
• 发布日期：2010-09-01
• 文件数：3 个
• 文件总体积：315.90 KB
• 源站页面：https://plos.figshare.com/articles/dataset/Prediction_and_Testing_of_Biological_Networks_Underlying_Intestinal_Cancer/141861

命令行下载

curl -L -o "Figure_S1.doc" "https://ndownloader.figshare.com/files/414557"
curl -L -o "Methods_S1.doc" "https://ndownloader.figshare.com/files/414581"
curl -L -o "Table_S1.doc" "https://ndownloader.figshare.com/files/414641"

文件清单

• Figure_S1.doc（112.13 KB）
• Methods_S1.doc（82.43 KB）
• Table_S1.doc（121.34 KB）

文件总体积 315.90 KB（源站 API 实测）。

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。

数据说明

结直肠癌通过体细胞突变的累积而进展，其中一些突变位于所谓的“驱动”基因中，这些基因赋予肿瘤生长优势。为了识别驱动基因通路之间的交汇点，我们实施了一个利用蛋白质相互作用的网络分析框架，以预测癌症中关键驱动基因之间可能的连接——包括已有先例的和新发现的连接。我们应用该框架来寻找两个基因Apc和Cdkn1a（p21）之间的显著连接，这两个基因已知在小鼠模型的肿瘤发生中具有协同作用。随后，我们通过对网络进行体内单节点扰动来评估所得Apc-Cdkn1a网络的功能一致性：分别对Apc（Apc1638N+/−）或Cdkn1a（Cdkn1a−/−）进行单独突变的小鼠模型，然后测量肠上皮组织中蛋白质和基因表达的变化。我们假设，如果预测的网络在生物学上是一致的（功能性的），那么预测的节点应与失调的基因和蛋白质的关联比随机选择的基因和蛋白质更为特异。

预测的Apc-Cdkn1a网络在mRNA水平上受到两个单基因敲除的显著扰动，并且这些预测还基于蛋白质组靶点的物理邻近性和mRNA共表达得到了强有力的支持。这些结果支持了所提出的Apc-Cdkn1a网络的功能一致性，并且展示了如何利用高通量生物学数据对基于网络的预测进行统计检验。

许可

CC BY 4.0

引用

学术使用请引用 DOI 10.1371/journal.pone.0012497（source: https://plos.figshare.com/articles/dataset/Prediction_and_Testing_of_Biological_Networks_Underlying_Intestinal_Cancer/141861）。