GSE151506：胶质瘤转录细胞状态的表观遗传编码、遗传力与可塑性

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE151506

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

单细胞RNA测序揭示了癌症中广泛的转录细胞状态多样性，这种多样性常独立于遗传异质性而被观察到，从而引出一个核心问题：恶性细胞状态如何在表观遗传上被编码。为解决这一问题，我们对弥漫性胶质瘤——一种以明确的转录细胞状态多样性为特征的肿瘤——进行了多组学单细胞分析，在同一细胞内整合了DNA甲基化、转录组和基因分型数据。直接比较不同细胞状态的表观遗传图谱，揭示了重现神经发育轨迹的状态转换关键开关，并突出了胶质瘤发生中失调的表观遗传机制。我们进一步开发了一个定量框架，基于直接在人类样本中构建的高分辨率谱系树，来测量细胞状态的遗传性和转换动态。我们证明了恶性细胞状态的遗传性，并分别揭示了IDH突变型胶质瘤与IDH野生型胶质母细胞瘤在层级性与可塑性细胞状态架构上的关键差异。

这项工作提供了一个框架，将转录层面的癌细胞状态锚定在其表观遗传编码、遗传及转变动态之中。

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。