基于全基因组CpG岛芯片的前列腺癌高甲基化基因位点发现

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-15298

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

为了识别前列腺癌中的甲基化变化，我们使用Agilent人类CpG岛芯片进行了全基因组DNA甲基化分析。随后，我们选择特定基因，在与芯片杂交的相同病例中（采用定量EpiTYPER分析）以及在一个独立的前列腺癌样本系列中（采用MethyLight定量甲基化特异性PCR）验证甲基化状态。我们特意选择了低级别（Gleason评分6分的病例）和高级别（Gleason评分8分的病例），以发现可能参与前列腺癌向更高级别进展的甲基化基因/位点。我们收集了20份标本，包括10例Gleason 6分和10例Gleason 8分的前列腺癌，并将这些标本与一个参考淋巴细胞池（6名年龄匹配的健康男性）进行比较，以确定癌症相关甲基化变化以及疾病进展相关甲基化变化。我们对每个病例按照Yan等人（Methods, 2002）描述的方法进行了差异甲基化杂交，以富集甲基化DNA。参考池中的每份标本均经过相同的富集处理，并在流程结束时将扩增产物混合。

每个前列腺癌病例随后与参考池共同杂交到微阵列上。

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。