通过计算机整合基因组学分析重建多发性骨髓瘤的microRNA/基因转录调控网络 [MM, miRNA]

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-70254

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

多发性骨髓瘤（MM）中失调miRNA的鉴定逐渐为MM生物学增添了更深层次的复杂性。在本研究中，我们利用计算机整合基因组分析，生成了MM中转录调控网络前所未有的全局视图，以定义影响调控回路并具有潜在功能和临床相关性的microRNA。通过两种稳健的计算方法，分析了两个大型代表性MM数据集中的miRNA和基因表达谱，这些数据集来自回顾性和前瞻性临床试验，共涵盖249例初诊患者，旨在识别（i）疾病中相关的miRNA/转录因子/靶基因回路，以及（ii）在特定MM亚群中富含miRNA-靶基因相互作用通路中高度调控的miRNA-基因网络。该分析强化了miRNA簇miR-99b/let-7e/miR-125a的关键作用，该簇在伴有t(4;14)易位的MM患者中特异性失调，并揭示了其与转录相关性的主要关系。

对按t(4;14)分层的MM患者表达数据进行整合通路分析，进一步得以界定由主要表征该MM亚型的相互作用所构成的通路，并揭示在肿瘤生物学中可能具有作用的关联通路。使用MAGIA2分析miRNA和转录本表达数据，以识别涉及miRNA/基因/转录因子(TF；http://gencomp.bio.unipd.it/magia2/)的混合回路(三元组)，如前所述[Bisognin A等，2012，Nucl Acid Res]。具体而言，使用Targetscan作为靶标预测算法，并使用Pearson系数衡量microRNA与靶mRNA表达谱之间的关系。仅考虑按变异系数最具变异的75%基因。回路内绝对相关系数的较低阈值

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。