PRJNA914738：乳腺肿瘤进展过程中的多细胞表型动态

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA914738

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

在癌症中，改进诊断和治疗干预可通过理解肿瘤微环境（TME）的细胞和表型异质性而受益。近年来，通过对患者样本进行单细胞RNA测序（scRNAseq），TME已被以前所未有的细节水平进行了分析。然而，从患者样本中研究TME的时间动态一直具有挑战性。表征TME的时间动态对于理解肿瘤间异质性如何在细胞事件中组织成时间有序的原因和结果序列至关重要。在此，我们通过对不同进展时间点的小鼠乳腺肿瘤进行纵向scRNAseq，调查了TME的时间动态。我们发现多细胞表型动态遵循三种可能的时间模式之一：稳定定植、波状或逐渐增加。特别是，随着肿瘤进展，IFN反应性癌细胞、GzmB+细胞毒性T细胞以及具有吞噬表型的巨噬细胞逐渐增加。

这些发现确立了进展性乳腺肿瘤中的单细胞类型和表型，并确定了这些因素进入和离开肿瘤微环境的时间。该单细胞数据集可用于将时间未知的临床样本定位在肿瘤进展的时间轴上，并为不同疗法提出最佳治疗时机。总体设计：对源自免疫健全小鼠乳腺癌MMTV-PyMT基因工程小鼠模型的同种移植模型的重复肿瘤样本进行聚类和比较基因表达分析。

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。