GSE297148：多癌种癌症类器官模型汇编

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE297148

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

新型癌症治疗方法的开发以及癌症致病机制的验证需要具有代表性的实验室模型。然而，现有的模型库尚未能涵盖人类癌症中所观察到的全部多样性。近期技术使得更高效的模型构建成为可能（例如肿瘤类器官），但这些模型在长期离体扩增过程中是否能够维持原发肿瘤的分子状态，尚未得到系统性研究。在此，我们展示了一项大规模国际项目——人类癌症模型计划（Human Cancer Models Initiative, HCMI）——的研究成果，包括来自2,594名供者所提供肿瘤的665个患者来源模型。该模型库可通过全基因组、外显子组、甲基化组和转录组分析实现肿瘤与模型的比较。其中包含522个具有全面临床数据的模型、153个罕见癌症模型以及71个来源于非欧洲人群的模型。对421对匹配的肿瘤/模型配对进行分析，揭示了高度的遗传一致性（97.8%）和表观遗传一致性（95%）。在胶质母细胞瘤中，对16对肿瘤/模型配对进行单核RNA测序，揭示了特定培养基配方所诱导的细胞分化状态改变。

我们描述了基于染色体外DNA的基因扩增及治疗后突变特征，这为研究治疗耐药机制提供了机会。这一公开可获取的模型集合，连同其附带的分子与临床特征描述及集成软件工具，为癌症研究界提供了一个强大的资源，用于癌症发病机制和治疗反应的临床前研究。

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。