肿瘤教育血小板转录组去卷积揭示活化血小板与炎症细胞转录特征 [CITE-seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE271073

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

肿瘤教育血小板（TEPs）是一种潜在的液体活检方法，用于癌症的诊断和监测。然而，血小板肿瘤教育的机制尚不清楚，且与TEPs相关的转录本往往并非肿瘤相关转录本。我们证明，肿瘤直接向循环血小板转移转录本不太可能是TEP信号的来源。我们使用CDSeq——一种潜在狄利克雷分配算法，对胶质母细胞瘤患者血液样本中的TEP信号进行去卷积。我们证明，血小板转录组中相当一部分转录本来源于非血小板细胞，使用该算法可以去除污染转录本。此外，我们利用该算法的结果证明，TEPs代表了一部分更为活化的血小板，这些血小板还含有通常与非血小板炎症细胞相关的转录本，提示这些炎症细胞（可能位于肿瘤微环境中）将转录本转移至血小板，随后在循环中被发现。

我们的分析提出了一种实用且高效的方法，用于处理TEP转录组数据，从而能够分离出与特定肿瘤相关的独特TEP信号。

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。