小鼠与人BRCA1缺陷乳腺肿瘤及乳腺癌残留病的时空组织

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE299631

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

乳腺癌仍然是全球主要的死亡原因之一。尽管化疗药物通常能显著缩小原发或转移性肿瘤，但残留的药物耐受性肿瘤细胞群体，即微小残留病灶（MRD），构成了复发和治疗耐药的重大风险。本研究采用多模态方法，描述了BRCA1;p53缺陷型小鼠乳腺肿瘤及人类临床样本中治疗反应与MRD的时空组织特征。通过整合多个治疗时间点的单细胞RNA测序、空间转录组学和成像质谱流式技术，我们刻画了肿瘤细胞亚群与其周围微环境之间的动态相互作用。我们的分析鉴定出一个独特的、药物耐受的上皮-间质转化（EMT）癌细胞群体，该群体在人类BRCA1缺陷型肿瘤中表现出保守的表达程序，并与不良临床结局显著相关。

我们进一步揭示了残留EMT样肿瘤细胞在特定解剖微环境中的空间分布，为理解MRD的持续存在及潜在治疗脆弱性提供了框架。这些发现构建了MRD的全面分子路线图，为靶向EMT驱动的耐药与肿瘤复发的治疗策略开辟了新途径。

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。