胶质母细胞瘤时空建模高分辨率侵袭状态数据集

数据集获取

源站：https://doi.org/10.5061/dryad.wpzgmsbv6

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。

数据集大小约 1.40 GB。

数据说明

胶质母细胞瘤细胞通过正常脑组织的弥漫性侵袭是肿瘤侵袭性、对常规治疗耐药以及患者预后不良的关键因素。深入理解肿瘤微环境（TME）各组成部分如何促进整体肿瘤组织结构及侵袭程序，可能为改进治疗策略揭示新的机会。为实现这一目标，我们将一种新颖的计算工作流程应用于具有时空 profiling 的 GBM 异种移植队列，利用区分人类肿瘤与小鼠 TME 的能力，克服了以往在弥漫性侵袭分析中的局限性。我们的分析方法基于无监督去卷积，能够在完整的 GBM 生态系统中进行无参考的细胞类型和细胞活动发现。我们呈现了一个包含15种肿瘤细胞程序的综合目录，这些程序置于90种小鼠脑和 TME 细胞类型、细胞活动及解剖结构的时空背景中。与侵袭相关的不同肿瘤程序与血管周围、白质和实质侵袭途径相对应。

此外，作为程序枢纽的基因子模块在GBM患者中具有高度预后价值。本文所呈现的程序汇编为合理靶向肿瘤和/或TME组分提供了基础。我们预期，我们的方法将促进从生态系统层面理解此类扰动的即时和长期后果，包括识别代偿性程序，从而为改进联合疗法提供信息。

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。