整合转录组分析鉴定Emetine作为克服肺癌ALK抑制剂获得性耐药的有前景候选药物

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE252540

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

间变性淋巴瘤激酶（ALK）抑制剂（ALKi）在治疗存在ALK染色体重排的肺癌患者中有效。然而，持续使用ALKi治疗不可避免地导致癌细胞产生获得性耐药。在本研究中，我们通过对来自多种ALKi获得性耐药细胞模型的转录组数据进行荟萃分析，提出了一种抑制ALKi耐药的有效策略。我们系统性地鉴定了在耐药性发展过程中表达持续改变的基因特征，并利用这些特征进行了计算药物筛选。我们确定依米丁（emetine）作为一种有前景的候选化合物，可抑制ALKi耐药细胞的生长。我们证明该药物在抑制ALKi耐药细胞生长方面表现出有效性，并进一步通过药物诱导的RNA-seq数据阐明了其作用机制。我们这种转录组引导的系统性方法为高效发现药物以克服癌症治疗的获得性耐药铺平了道路。

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。