RNA-seq基因表达谱研究：识别与去势抵抗性前列腺癌（CRPC）发展相关的基因特征

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE80609

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

本研究的目的是识别与去势抵抗性前列腺癌（CRPC）发展相关的基因特征。我们利用45份代表不同疾病进展阶段的前列腺样本，包括良性前列腺增生（BPH）、原发性前列腺癌（CaP）、晚期CaP及CRPC，进行了基于RNA-seq的转录组 profiling。通过多种统计分析，我们确定了与每个进展阶段显著相关的基因集，并观察到AR是唯一与所有进展阶段相关的基因特征，表明AR是CaP进展的关键介质，并在各进展阶段具有多样化的活性。本数据集中包含4对晚期CaP与CRPC样本，每对样本均来自同一患者。利用这些配对样本，我们还确定了晚期CaP与CRPC之间的差异表达基因，并对配对样本及非配对剩余样本中的显著基因列表进行了比较分析。通过评估晚期CaP与CRPC组间的表达差异，分别在配对样本和非配对样本中鉴定出309个和182个具有统计学显著性的基因（P < 0.001）。

比较这两个基因列表后，共有15个基因是相同的，并被应用于多项下游实验检测。

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。