整合入血管并启动转移的LMO2+乳腺癌少数细胞群鉴定

数据集获取

源站：https://search.dataone.org/view/sha256%3A087593d80f14861f39adc1d9a27b6107cd8ccfcf3698dcc507a4fa0f4cac26bd

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

转移是导致大多数乳腺癌相关死亡的原因，然而，识别转移的细胞决定因素仍然具有挑战性。在此，我们在人乳腺肿瘤活检中鉴定出一小群未成熟的THY1+/VEGFA+肿瘤上皮细胞，这些细胞表现出血管生成特征，并以癌基因LMO2的表达为标志。LMO2+基底细胞丰度较高与肿瘤内皮含量相关，并预测患者无远处复发生存期较差。利用MMTV-PyMT/Lmo2CreERT2小鼠，我们证明Lmo2谱系追踪细胞整合到血管系统中，并具有更高的转移倾向。在人乳腺肿瘤中敲低LMO2通过损害血管内渗减少了肺转移，导致循环肿瘤细胞频率降低。机制上，我们发现LMO2与STAT3结合，并且是TNFα和IL6激活STAT3所必需的。

总体而言，我们的研究鉴定出一个转移起始……的群体。简要概述：请在本存储库中找到两个主要文件夹：(1)“data”，其中包含手稿中基因组分析所使用的原始和处理后数据，包括我们实验室的原始scRNA-seq数据以及其他实验室公开可用的scRNA-seq数据；(2)“scripts”，其中包含用于生成图中所示结果的代码和脚本。如果您对本手稿所附的数据和脚本有任何疑问，请直接与我们联系。所有数据均以制表符分隔的文本文件形式存储，可用任何电子表格软件程序打开。所有代码均以R或bash编写。

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。