GSE150672：高效大规模并行单细胞RNA测序揭示人类皮肤病理的细胞状态与分子特征

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE150672

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

高通量单细胞RNA测序（scRNA-Seq）方法的发展，通过大幅增加可同时检测的组成细胞数量，使得复杂生物样本的表征成为可能。然而，与低通量基于微孔板的策略相比，这些方法通常每个细胞回收的信息量要少得多。为了揭示细胞间的关键表型差异，并将scRNA-Seq观察结果与既有数据集有效关联，通过这些方法可靠地检测决定表型的转录本——如转录因子、亲和力受体和信号分子——至关重要。在此，我们描述了一种大幅改进的大规模并行scRNA-Seq方案，我们称之为Seq-Well S^3（“第二链合成”），相较于之前的迭代版本，该方案将转录本捕获效率和基因检测效率分别提高了最多10倍和5倍，超越了同类最佳的商业类似方案。

我们首先在细胞系和外周血单核细胞（PBMCs）中表征了Seq-Well S^3的性能，随后研究了五种不同的炎症性皮肤病，这些疾病代表了不同类型的炎症，以探索潜在免疫细胞和实质细胞状态的广度。我们的工作既提供了一项重要的方法学进展，也为研究揭示人类皮肤炎症的细胞和分子特征提供了宝贵的资源。

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。