药物与单细胞基因表达整合识别胶质母细胞瘤敏感和耐药细胞群[患者胶质母细胞瘤肿瘤]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE229779

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

胶质母细胞瘤（GBM）仍是成人中最常见且最致命的恶性原发性脑癌，治疗方案有限。阻碍GBM治疗开发的最重要问题之一是瘤内异质性。GBM肿瘤由多种具有不同转录谱的肿瘤细胞类型组成。要识别靶向这些不同细胞类型的化合物，需要一个能够预测GBM肿瘤内细胞差异敏感性和耐药性的平台。为解决这一问题，我们开发了一种新框架，用于生成肿瘤细胞类型特异性疾病特征及其预测的药物敏感性。我们对新诊断和复发性GBM肿瘤进行了单细胞RNA测序，并从LINCS L1000数据库中识别出转录反应特征与GBM肿瘤内不同单细胞转录状态选择性不一致的化合物。随后，我们用小鼠体内研究结果验证了计算机预测，因为极光激酶抑制剂alisertib在治疗后诱导了从NPC样向MES样转录状态的转变。

为了让其他研究者能够在计算机中预测特定肿瘤细胞类型的药物敏感性，我们开发了一个名为ISOSCELES（基于单细胞表达与L1000表达特征整合推断细胞敏感性）的平台。我们的研究表明，ISOSCELES是一个新颖的平台，可用于识别胶质母细胞瘤（GBM）中对靶向治疗敏感和耐药的细胞群体，这能为未来临床试验中的治疗决策提供依据。

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。