基底上皮亚群介导并预测三阴性乳腺癌化疗耐药

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE252315

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

三阴性乳腺癌（TNBC）是最具侵袭性的乳腺癌亚型，其特征为广泛的瘤内异质性、高转移性和化疗耐药性，导致临床预后不良。尽管已取得进展，但这些侵袭性行为的机制基础仍知之甚少。本研究利用单细胞和空间转录组分析，发现了位于基质内、具有化疗耐药特征的基础上皮亚群。这些亚群由独特的标志基因定义，这些基因频繁出现拷贝数增加，并表现出激活的上皮-间质转化程序。其中一部分基因能够准确预测化疗反应，并与不良预后相关。有趣的是，在这些基因中，ITGB1升高参与增强细胞间信号传导，而ACTN1则赋予生存优势以促进化疗耐药。此外，通过对转录特征进行药物重定位分析，我们发现化疗耐药肿瘤在初治患者与NAC后患者中可能受益于不同的抑制剂。

这些发现揭示了化疗耐药的机制基础，同时提供了预测化疗反应的最佳生物标志物，并为改善对化疗耐药的TNBC患者的管理提供了替代治疗途径。

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。