混合体内乳腺癌模型揭示癌症进展与年龄相关的转录组学见解

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE332708

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

衰老是乳腺癌的一个关键风险因素；然而，衰老细胞外基质（ECM）的独立影响仍研究不足。为解决这一问题，我们开发了一种新型的体内混合模型，能够独立研究年龄相关ECM对乳腺癌发生和进展的影响。为了探究在癌性和衰老微环境中富集的基因的作用，我们首先将正常或稳定敲低的细胞接种到来自衰老小鼠乳腺的脱细胞ECM（dECM）上，并将其植入年轻的Rag1-/-小鼠体内。我们确定LOX是肿瘤进展的主要驱动因素，其敲低在体外和体内均减少了侵袭，并影响了应激相关通路。为了进一步分离ECM衰老对肿瘤生长的独立影响，我们将正常的MCF10A细胞接种在年轻或衰老的基质上并植入。与年轻肿瘤相比，衰老肿瘤表现出显著更大的体积和更大的致瘤区域，单细胞RNA测序揭示了炎症和侵袭基因的富集。

总之，这些发现表明LOX是肿瘤进展的驱动因素和潜在的治疗靶点，并证明老化的细胞外基质本身足以促进乳腺癌的进展。

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。