乳腺癌患者类器官转录组与免疫图谱整合预后模型研究

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1414192

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

乳腺癌仍是全球主要的健康负担，尽管分子分型和靶向治疗取得了进展，其发病率和死亡率仍在上升。患者来源类器官（PDOs）使得对肿瘤生物学和药物反应的个性化研究成为可能，这些类器官已成为生理上逼真的模型，能够保留原发恶性肿瘤的组织学和分子特征。为了寻找亚型特异性的转录和免疫相关标志物，我们对代表多个分子亚型的乳腺癌PDOs进行了转录组分析，并将其与非肿瘤乳腺类器官进行比较。NTRK3、SLITRK3、IL1RAP和IRF2BP2在乳腺癌PDOs中持续上调，表明炎症和神经营养因子信号通路的激活。这些改变伴随着促炎细胞因子IL-1和IFN-γ产生和释放的增加，提示存在活跃的免疫调节表型。IL1RAP和IRF2BP2成为炎症信号通路中潜在的调控中心，可能影响免疫逃逸和治疗耐药。

它们在不同亚型中的一致性上调，凸显了其作为创新诊断和预后指标的潜力，尤其是在更具侵袭性的乳腺癌形式中。我们的研究强调了在PDOs中结合免疫和转录组分析的重要性，以探索针对个体患者的肿瘤-免疫动态。炎症相关靶点如IL1RAP和NTRK3/SLITRK3共伴侣的发现，增强了它们作为疾病进展标志物或治疗靶点的潜在用途，特别是在高风险亚型中。这些发现强调了患者来源类器官作为精准肿瘤学和转化研究工具的实用应用。

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。