人类全身性幼年特发性关节炎、系统性红斑狼疮、I型糖尿病、转移性黑色素瘤、急性感染或接受免疫抑制治疗的肝移植受者的转录谱分析

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-11907

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

患者血液转录谱分析为在全基因组范围内研究与人类疾病相关的免疫学机制提供了一种手段。此外，此类研究为发现具有临床相关性的生物标志物特征奠定了基础。我们设计了一种基于转录模块识别的微阵列分析策略，这些模块由在多个疾病数据集中协同表达的基因构成。在模块水平上映射基因表达变化，可生成疾病特异性转录指纹，为微阵列数据的可视化和功能解读提供了稳定的框架。这些转录模块被用作生物标志物筛选的基础，并用于开发系统性红斑狼疮患者疾病进展的多变量转录指标。因此，本研究描述了一种方法学的实施与应用，旨在支持转化研究环境中对人类免疫系统的系统尺度分析。

实验总体设计：实验子系列GSE11908重新整合了用于构建模块化转录框架的图谱：实验总体设计：模块构建过程的第一步分析单个疾病样本中转录本的表达模式：使用无监督聚类算法识别协同表达的转录本集合；在本例中，采用GeneSpring 7.1版（Agilent）实现的K均值算法（k=30）。所有在至少一个样本中检测到的转录本均作为输入；未进行差异表达筛选。模块构建过程的第二步分析转录本跨疾病的“聚类行为”，考虑到基因在某些疾病中可能共聚类而在其他疾病中则不共聚类的情况。此外，在我们的示例中，跨所有特征聚类在一起的转录本

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。