GSE312050：乳腺癌进展中调节性T细胞异质性去卷积揭示循环前体驱动免疫逃逸

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE312050

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

肿瘤免疫微环境在塑造乳腺癌肿瘤演化中起着关键作用。我们此前鉴定出一个区分导管原位癌（DCIS）与浸润性导管癌（IDC）的演化瓶颈。微环境在此转变过程中如何演化仍不清楚。我们平行剖析了DCIS与IDC患者以及忠实再现人类乳腺癌的大鼠肿瘤的单细胞组成。我们发现T细胞多样性可区分DCIS与IDC，并发现一种新的循环Treg状态占据DCIS与IDC之间的拟时序分叉点，先于更为活化的Treg亚型出现。作为HTAN联盟一部分对患者队列进行的多尺度分析确立，循环Treg可预测低级别DCIS的复发。我们证明循环Treg是对于免疫逃逸至关重要的Treg祖细胞，并证明OX40激动可恢复免疫治疗敏感性，其中应答者表现出炎症性CAF亚型异质性增加。因此，我们的研究确立了循环Treg在维持免疫逃逸中的重要性，并强调其预后价值可用于分层未来复发。

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。