GSE308167：通过DBiTplus在同一组织切片上整合基于成像与基于测序的空间组学图谱

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE308167

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

DBiTplus利用原位逆转录、组织内递送DNA寡核苷酸进行空间条形码标记，以及RNaseH介导的选择性cDNA回收，保留组织结构，从而能够在同一张玻片上实现高度多重蛋白质成像和空间转录组学。计算流程无缝整合这些模态，允许成像引导的解卷积生成基因组规模、单细胞分辨率的空间转录组图谱。DBiTplus已在多种样本中得到验证，包括小鼠胚胎、正常人淋巴结和福尔马林固定石蜡包埋（FFPE）的人淋巴瘤组织，突显了其与具有挑战性的临床标本的兼容性。将DBiTplus应用于人淋巴瘤样本，揭示了驱动淋巴瘤发生、进展的关键机制，尤其是惰性边缘区淋巴瘤（MZL）的进展或从慢性淋巴细胞白血病（CLL）向弥漫性大B细胞淋巴瘤（DLBCL）的转化，包括独特地揭示了microRNA在调节转化动态中的空间分辨参与。

因此，DBiTplus是一个统一的工作流程，包含了综合实验程序和计算创新，用于空间分辨的单细胞图谱构建及在基因组尺度上逐个细胞探索生物通路。

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。