人类肾小球疾病的单核转录组图谱 [Xenium]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE286184

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

要理解肾小球疾病的病理生理机制，必须了解各种肾小球疾病在单细胞水平转录组改变上的疾病特异性异同。我们分析了来自28名肾小球疾病受试者（包括微小病变、膜性肾病、IgA肾病和糖尿病肾病）及对照个体肾活检组织的262,984个细胞核的单核RNA测序（snRNA-seq）数据。我们的研究结果显示，上调的差异表达基因（DEGs）在不同细胞类型中呈现疾病特异性和细胞类型共性模式，而下调的DEGs则呈现细胞类型特异性和疾病共性模式。每种类型肾小球疾病患者的转录组谱差异通过独特的基因表达模式和相关的生物学通路得以识别。我们还识别出特定的细胞亚型，包括足细胞与壁上皮细胞之间的过渡细胞、具有内吞特征的足细胞以及肌成纤维细胞，这些细胞亚型与肾小球疾病的临床特征相关。

总体而言，我们识别出了特定于每种细胞类型或疾病亚类的转录改变，并为人类肾小球疾病的进一步研究建立了一个宝贵的资源。

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。