情境感知单细胞多组学识别肺癌细胞类型特异性易感基因

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE241468

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

全基因组关联研究（GWAS）已识别出超过五十个与肺癌风险相关的基因组位点。然而，这些位点背后的遗传机制和靶基因在很大程度上仍不清楚，因为大多数风险相关变异可能以细胞环境特异性的方式调控基因表达。在此，我们构建了来自吸烟者和从不吸烟者的117,911个人类肺细胞的条形码共享多组学图谱（转录组和染色质可及性图谱），以描绘环境特异性的基因调控。我们观察到，基于吸烟状态的大多数差异表达基因（吸烟响应基因）具有细胞类型特异性，并且主要组织相容性复合体-I和-II通路的细胞间通讯强度在吸烟者和从不吸烟者之间发生了逆转。可及染色质峰检测从每种肺细胞类型中识别出候选顺式调控元件（cCREs），其中37%具有细胞类型特异性。将肺癌候选因果变异（CCVs）与这些cCREs共定位，优先考虑了68%的GWAS位点的变异，其中一部分还得到了转录因子足迹分析的支持。

cCRE共定位和基于单细胞的性状相关性评分将上皮细胞和免疫细胞提名为导致肺癌易感性的主要细胞群。值得注意的是，稀有上皮细胞类型的cCRE，包括AT2增殖细胞（0.13%）和基底细胞（1.8%），与来自多个GWAS位点的CCV重叠。一个多层次的cCRE-基因连接系统从57%的肺癌位点中识别出候选易感基因，包括吸烟响应基因。我们的多组学数据集识别出了以前基于组织或细胞系方法未检测到的肺癌易感基因，并进一步揭示了这些易感基因发挥功能的细胞类型和背景，包括即使在单个位点中上皮细胞和免疫细胞类型之间的相互作用。

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。