乳腺癌活检组织活细胞悬液制备用于3D染色质构象与单细胞转录组分析[scRNA-seq1]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE264644

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

由于癌症疾病的复杂性和异质性，肿瘤的分子和细胞特征描述已变得至关重要。近几十年来，人们开发了许多生物信息学工具和实验技术来实现肿瘤的个性化特征描述。然而，样本处理仍然是一个重大挑战，因为样本获取前的既往治疗、所获组织量、运输或无法处理新鲜样本等限制，对需要活细胞悬液的实验策略构成了挑战。在此，我们提出了一种优化方案，能够从乳腺癌活检样本中回收高活力的细胞悬液。利用这些细胞悬液，我们通过Hi-C成功表征了基因组架构。此外，我们通过单细胞RNA测序评估了单细胞基因表达和肿瘤细胞微环境。这两种技术对于肿瘤样本的详细和个性化分子特征描述至关重要。本文所述的方案为以简单高效的方式从活检样本中获得活细胞悬液开辟了可能性。

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。