NIS胶质瘤研究衍生数据与可复现代码

数据集获取

源站：https://doi.org/10.5281/zenodo.22789222

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 5.0 MB。

数据说明

NIS胶质瘤研究的衍生数据与可复现代码 手稿：一个神经元相互作用评分通过单细胞、空间和批量转录组整合定义了胶质瘤中的神经元周围微环境 本存储库包含支持该手稿的衍生分析文件和可复现分析代码。它不包括原始输入数据集，这些数据集可从下文列出的外部来源公开获取。 内容 | 路径 | 描述 ||—|—|| code/ | 所有分析脚本（Python），编号为01–22，用于端到端复现，外加支持文件（gene_sets.py、seeds.py、下载工具）。参见code/README_代码运行说明.md。 || results/ | 流程生成的54个结果表（CSV）：单细胞图谱组成、神经元→肿瘤通讯、NIS评分、空间验证、批量Cox/预后建模、荟萃分析、模型诊断和药物靶点预测。 || data/ | 衍生源数据：spatial_per_spot.csv.gz（七个10× Visium切片的每斑点NIS和细胞类型组成；图4）和drug_ctd_matches.csv（CTD化学物质–基因相互作用；补充表S8）。

| 衍生数据是如何生成的 所有分析均使用 Python 3.13.12 及以下关键软件包运行：scanpy 1.12.4、anndata 0.13.3、harmonypy 2.0.0、leidenalg 0.12.0、scikit-learn 1.9.1、scipy 1.18.1、numpy 2.5.3、pandas 2.3.3、lifelines 0.30.3、scikit-survival 0.28.0、matplotlib 3.11.1、seaborn 0.13.2。随机种子固定于 code/seeds.py（SEED_SC = 0、SEED_BULK = 20240911）。每个脚本均从其自身所在位置推导出仓库根目录，因此按下文所述放置原始数据后，运行 python code/0X_.py 即可复现相应结果。原始数据来源（外部数据；未包含在本数据集中） | 数据集 | 获取方式 ||—|—|| Neftel 等 scRNA-seq（Smart-seq2 与 10×） | GEO GSE131928 || Darmanis 等 scRNA-seq | GEO GSE84465 || Greenwald 等 10× Visium（7 个切片） | Zenodo 10.5281/zenodo.12624860 || CGGA mRNAseq

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。