GSE294045：通过GoT-Multi联合绘制体细胞演化中的克隆与转录异质性

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE294045

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

体细胞演化导致克隆异质性，进而驱动癌症进展和治疗耐药。为解析克隆异质性的后果，我们需要一种能够解卷积复杂克隆架构及其下游转录状态的方法。我们开发了多靶标、多样本类型的转录组基因分型技术（GoT-Multi），这是一种高通量、兼容福尔马林固定石蜡包埋（FFPE）组织的单细胞多组学方法，可同时检测多个体细胞基因型和全转录组。我们开发了基于集成学习的机器学习流程来优化基因分型。我们将GoT-Multi应用于里氏转化（慢性淋巴细胞白血病进展为治疗耐药性大B细胞淋巴瘤）的冷冻或FFPE样本。GoT-Multi检测到异质性癌细胞状态及27个突变的基因型数据，从而实现了克隆架构重建并与其转录程序相关联。不同的亚克隆基因型（包括治疗耐药突变）汇聚于炎症状态。其他亚克隆则表现出增强的增殖和/或MYC程序。

因此，GoT-Multi揭示了不同的基因型身份可能汇聚于相似的转录状态，从而介导治疗耐药性。

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。