PRJNA1215317：学习并应用癌细胞药物敏感性的通用原则

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1215317

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

用于分析数百种癌细胞系（CCL）药物敏感性的高通量筛选平台已产生了大型数据集，这些数据集具有解锁靶向抗肿瘤疗法的潜力。在本研究中，我们利用这些数据集构建了癌细胞药物敏感性的预测模型。为此，我们通过利用细胞系转录组学来预测药物的生长抑制潜力，训练了可解释的机器学习算法。我们使用大型语言模型（LLM）从现有注释出发，扩展每种药物作用机制（MOA）的描述，并将其与参考知识库中语义最接近的通路进行匹配。通过利用这一由AI策展的资源以及我们模型的可解释性，我们证明了对预测至关重要的基因所富集的通路往往与已知的药物MOA和必需基因相匹配，这表明我们的模型学习到了药物反应的分子决定因素。此外，我们证明，仅纳入与MOA相关的LLM策展基因，即可提升我们药物模型的预测准确性。

为提高向临床环境转化的可行性，我们采用了一套流程，将用于训练模型的癌细胞系（CCL）批量RNAseq数据与用于推断的患者样本数据进行对齐。我们在TCGA样本上证明了该方法的有效性，其中患者得分最高的药物与其癌症类型所开具的药物相匹配。我们进一步通过预测并实验验证两种高致死性实体瘤（即胰腺癌和胶质母细胞瘤）患者的有效药物，展示了该方法的实用性。总之，我们的方法有助于对癌细胞系药物敏感性进行推断和解释，并具有将其有效转化为新型癌症治疗药物的潜力。总体设计：开发可解释的机器学习框架，通过使用最新版本的

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。