迟发性阿尔茨海默病病例转录组分层全基因组关联结果

数据集获取

源站：https://search.dataone.org/view/sha256%3A34bc4c62c7e5c39b2efeaf26dbf9da257aadb21e649f577b9d070c5c611bc8a6

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

晚发型阿尔茨海默病（LOAD）是一种常见的复杂遗传性疾病，以其病理异质性著称。常见复杂疾病的遗传异质性给靶向治疗和新型疾病相关变异的鉴定带来了重大挑战。病例对照方法通常局限于在一组具有不同临床特征的异质性患者中考察某一特定结局。在此，我们开发了一种新方法，用于定义相关的转录组内表型，并基于三个独立人类LOAD队列中的分子谱对死者进行分层。通过整合来自2114份人类样本的死后脑基因共表达数据与LOAD，我们开发了一种新的定量复合表型，能够更好地解释该疾病 underlying 遗传架构的异质性。我们采用迭代加权基因共表达网络分析（WGCNA）来降低数据维度，并分离出高度……

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。