ER+乳腺癌转移后器官特异性趋向与适应

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE131007

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

被诊断为雌激素受体（ER）阳性乳腺癌的患者，其向重要器官发生远端转移性复发的风险长期存在。由于治疗耐药细胞群的出现，转移性疾病目前无法治愈。本研究采用单细胞RNA测序技术，评估了ER+乳腺癌患者来源异种移植瘤（PDX）的转录组异质性，这些PDX分别趋向于三种常见的乳腺癌转移部位——骨、脑和肝——并与在乳腺脂肪垫中生长的原发肿瘤进行比较。各部位的转移细胞群在表型上与原发肿瘤细胞不同，具有独特的转录程序，提示由特定转录因子驱动的信号传导程序。转移至脑和肝组织的细胞采用了指示靶器官微环境的基因表达程序。阐明转移性ER+乳腺癌细胞器官特异性的表型适应机制，可能有助于为个体患者及每个转移部位量身定制适当的治疗策略。

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。