基于药物扰动的血液肿瘤分层

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAS00001001746

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

随着新一代靶向治疗方法的涌现以及肿瘤基因组测序揭示出日益全面的突变图谱，突变与肿瘤表型之间的功能关系仍大多未知。在此，我们测量了246种血液癌症对63种药物的离体敏感性，并结合基因组、转录组和DNA甲基化组分析，以理解药物反应的决定因素。我们构建了一个原发性血液癌症细胞百科全书数据集，揭示了每种癌症的疾病特异性敏感性。在慢性淋巴细胞白血病（CLL）中，62%的药物反应与2个或更多突变相关，并将B细胞受体（BCR）通路与12三体这一CLL的重要驱动因素联系起来。基于药物反应，该疾病可被组织成以对BCR、mTOR或MEK信号的可利用依赖性为特征的表型亚组，并与突变、基因表达和DNA甲基化相关联。14%的CLL是由非BCR依赖性的mTOR信号驱动的。

多变量建模显示，免疫球蛋白重链可变区基因（IGHV）突变状态和12号染色体三体是慢性淋巴细胞白血病（CLL）中对激酶抑制剂反应的最重要调节因素。离体药物反应与临床结局相关。这项研究颠覆了大多数突变不影响癌症药物反应的认知，并指向了一种理解肿瘤生物学的新方法，对生物标志物的发现和癌症治疗具有重要意义。

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。