PRJNA1370921：患者特异性肺肿瘤类器官平台复现肿瘤微环境

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1370921

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

理解肿瘤-基质-免疫相互作用对于克服非小细胞肺癌（NSCLC）化疗-免疫治疗耐药至关重要，但在体外模拟肿瘤微环境（TME）仍具挑战性。在此，我们开发了患者特异性肺癌肿瘤类器官（LCT）模型，通过基于Transwell的模块化培养系统从肿瘤组织中分离并扩增肺癌类器官（LCO）、癌症相关成纤维细胞（CAF）和免疫细胞，并将其重新组装以整合TME。LCT保留了主要TME组分及原发肿瘤的空间组织。该系统支持高保真药物筛选、免疫谱分析以及治疗诱导TME重塑的机制分析。利用LCT，我们观察到免疫参与中的肿瘤内在差异、CAF介导的调控，以及代谢激活与免疫刺激之间的解偶联。LCT能够对患者特异性基质-免疫-肿瘤相互作用进行功能性探究，为化疗-免疫治疗耐药提供机制性见解，并为精准免疫肿瘤学及基于类器官的治疗建模提供临床相关工具。

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。