CYP3A4介导的代谢变异性驱动非小细胞肺癌靶向治疗耐药与全身毒性

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE337809

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

靶向治疗，包括针对肺癌中突变型ALK、EGFR和RAS的小分子抑制剂，能够产生强烈且持久的临床反应，然而一部分肿瘤未能响应，即便是强响应者最终也会复发。此外，尽管靶向治疗通常耐受性良好，但一部分患者会出现剂量限制性不良反应。治疗耐药通常被认为是肿瘤内在现象，由细胞内在或微环境机制介导。我们发现，CYP3A4——一种P450家族酶——的过度活化可通过改变药代动力学，减少系统性和肿瘤药物暴露，导致肿瘤外在耐药，而CYP3A4活性降低则预期会增加系统性毒性。临床队列的回顾性分析提示，CYP3A4活性的变异性可能是临床结局变异的主要因素。为了理解药物代谢改变的后果，我们开发了一个数学模型，将CYP3A4活性的变异性与系统性药物浓度的时间变异性联系起来。

这些计算机模拟研究表明，通过调整药物剂量和给药间隔，可以减轻CYP3A4活性改变所带来的影响。此外，我们还证明，通过药理学抑制CYP3A4，可以恢复肿瘤敏感性。这些发现确立了系统性代谢变异性作为耐药性和毒性临床可干预驱动因素的地位，并为个性化给药提供了框架，以提高靶向治疗的安全性和有效性。Bulk RNA测序数据来自小鼠肝脏，这些肝脏或未经处理，或经候选药物JIB-04处理，以评估基因表达谱的变化。

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。