空气污染物多组学改善与肺病相关SNP的功能注释

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE327935

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

哮喘和慢性阻塞性肺疾病（COPD）是受遗传背景与环境暴露（尤其是空气污染物）相互作用强烈影响的肺部疾病。然而，遗传变异和污染物暴露影响疾病的生物学机制仍知之甚少。全基因组关联研究的解读受到限制，因为大多数疾病相关变异位于非编码区，难以与功能性调控机制及下游靶基因建立联系。在此，我们将新生RNA连续测序与调控网络推断相结合，以识别肺细胞中对污染物响应的转录调控元件及其上游调控因子。利用新生成和已发表的数据集，我们分析了对多种空气污染物的多组学响应，包括木烟颗粒、城市颗粒物和阿富汗粉尘颗粒。这些分析首次表征了原代肺细胞对城市颗粒物的新生转录响应，并揭示了共有及污染物特异性的调控动态。

随后，我们将污染物响应调控网络与哮喘和COPD的遗传关联进行整合，以优先筛选非编码变异用于实验验证。通过将这些变异与候选转录因子及靶基因相关联，我们识别出环境暴露可能与非编码遗传变异相互作用从而影响疾病风险的机制。该框架使得通过环境响应性转录网络对非编码变异进行功能解读成为可能。

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。