慢性髓性白血病进展性TKI耐药单细胞图谱

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAS00001005509

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

高维scRNA seq和CyTOF被用于在诊断时识别可预测治疗结果的特性。最佳的TKI反应以CD34+ HSPC区室的红系谱系偏斜为特征。而TKI耐药的CP则类似于BC样状态，其中HSPCs富集了炎症、干性和静息性。我们设计了一种机器学习方法，评估了我们scRNA seq数据集中所有32个亚群的预后潜力。LSCs和NK群体在诊断时具有最高的预后能力。在LSCs中，红系谱系启动和MYC激活分别是最佳和不良TKI反应的特征。在NK细胞区室中，除了TKI最佳反应者中NK细胞丰度较高外，记忆样HLA-DR+适应性NK和KLRC1+ NK群体分别是最佳和不良TKI反应的标志。在机制上，细胞内在和外在机制均促进了EPs对TKI治疗更高的敏感性。

总之，我们的高维单细胞图谱揭示了与TKI耐药疾病相关的关键转录特征，其中一些特征有潜力被用作生物标志物。

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。