构建大鼠应激性心肌病模型并利用机器学习算法筛选诊断标志物

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE223385

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

背景：癫痫是一种可表现为神经或躯体功能异常的疾病。应激性心肌病与神经刺激密切相关。然而，癫痫与应激性心肌病之间相互关系的机制尚不清楚。本文旨在探讨癫痫与应激性心肌病共有的遗传特征和潜在分子机制。方法：通过分别分析癫痫数据集和应激性心肌病数据集，获得两种疾病共表达差异基因的交集，揭示共表达差异基因的生物学功能，构建网络，并识别核心模块以揭示相互作用机制，通过机器学习算法筛选具有诊断效力的共表达基因，并在癫痫单细胞数据和应激性心肌病大鼠模型上平行验证共表达基因。

结果：癫痫可导致应激性心肌病，其关键通路为补体与凝血级联反应、HIF-1信号通路，其关键共表达基因包括SPOCK2、CTSZ、HLA-DMB、ALDOA、SFRP1、ERBB3。通过单细胞数据定位的关键免疫细胞亚群为T_cells亚群、Microglia亚群、Macrophage亚群、Astrocyte亚群和Oligodendrocytes亚群。结论：我们认为癫痫导致应激性心肌病是多基因、多通路共同作用的结果。我们确定了核心共表达基因（SPOCK2、CTSZ、HLA-DMB、ALDOA、SFRP1、ERBB3）及其发挥作用的相关通路（补体与凝血级联反应、HIF-1信号通路、JAK-STAT信号通路），并最终定位了其关键细胞亚群（T_cells亚群、Microglia亚群、Macrophage亚群、Astrocyte亚群和Oligodendrocytes亚群）。此外，将细胞亚群与高凝状态及交感兴奋相结合，进一步缩小了细胞亚群

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。