韩国哮喘患者外周血单核细胞RNA测序数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE226825

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

全基因组关联研究（GWAS）已识别出200多个与哮喘相关的遗传变异。表达数量性状位点（eQTL）数据资源有助于识别GWAS信号的因果基因，但由于大多数eQTL数据来自正常健康受试者，因此难以找到反映疾病状态的eQTL。我们利用436名韩国哮喘患者的转录组和基因型数据进行了血液eQTL分析。为识别哮喘相关基因，我们利用哮喘GWAS结果和eQTL数据进行了共定位分析和基于汇总数据的孟德尔随机化（SMR）分析。此外，我们将疾病eQTL数据和哮喘相关基因的结果与来自基因型-组织表达（GTEx）项目和一项日本研究的两个正常血液eQTL数据进行了比较。我们从哮喘eQTL分析中识别出342,054个顺式eQTL和2,931个eGene。我们将疾病eQTL结果与GTEx和一项日本研究进行了比较，发现2,931个eGene中有63.2%与GTEx eGene重叠，38.5%与日本研究的eGene重叠。

在将哮喘eQTL数据与哮喘GWAS数据进行整合分析后，采用共定位和SMR方法，我们识别出13个韩国哮喘eQTL数据特有的哮喘相关基因。我们提供了韩国哮喘顺式eQTL数据，并通过与GWAS数据整合识别出哮喘相关基因。此外，我们提出这些哮喘相关基因可作为哮喘的治疗靶点。我们预期本研究发现将有助于理解哮喘的病因机制，并提供新的治疗靶点。

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。