应用RNA-Seq作为罕见病辅助诊断工具的流程开发

数据集获取

源站：https://clinicaltrials.gov/study/NCT05996731

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

疾病：非典型溶血性尿毒症综合征、膜增生性肾小球肾炎、常染色体显性多囊肾、健康。罕见遗传病是一组高度异质性的疾病，常未被诊断，患者仅接受对症治疗。下一代大规模测序技术（Next-Generation-Sequencing；NGS）的发展使得鉴定许多导致这些病变的基因成为可能，从而有助于阐明致病机制。最常用的方法，如外显子组测序（Whole-Exome Sequencing；WES）或基因组测序（Whole-Genome Sequencing；WGS），基于DNA测序，能够识别导致蛋白质功能丧失的致病突变，如终止突变、大片段插入和缺失以及经典剪接位点的丢失。相反，将致病性归因于氨基酸替换变异（错义）或同义变异往往存在疑问，因此，此类变异通常被归类为意义不明的变异（VUS）。

此外，外显子组测序无法识别位于非编码区的可能致病变异，例如非经典剪接位点或深层内含子变异。全基因组测序虽然能够识别基因非编码区中存在的变异，但费用高昂，且会产生大量致病信息匮乏的数据。分析内含子变异可能致病性的算法预测能力有限，所识别变异的致病性必须通过漫长而复杂的功能分析加以验证。由于这些局限性，约50%的罕见遗传病患者仍未得到诊断，无法受益于个性化医疗。转录组测序（RNA-Seq）能够确定RNA序列和水平的变异，为WES和WGS所获信息提供补充，从而提高遗传诊断的效率。剪接异常是遗传性疾病的主要原因之一

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。