PRJNA1370939：多重嵌合肿瘤模型揭示群体内与群体间药物反应的自然表型变异 [scRNA-seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1370939

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

患者间的异质性对癌症药物开发构成了重大挑战。尽管候选药物在临床上的成功取决于其对大量多样化患者的疗效，但由于传统异种移植模型缺乏可扩展性，临床前候选药物的检测仅使用少数体内临床前模型。为解决这一局限，我们开发了GENEVA——一个可扩展平台，能够在单细胞分辨率下，在3D和体内环境中测量对药物扰动的分子和表型反应。GENEVA通过将多个患者来源的细胞系和癌细胞系整合到混合3D培养和异种移植模型中，模拟癌症的遗传多样性，使我们能够在单次实验中研究广泛遗传背景下的药物反应。该平台将高分辨率转录组学与多重单细胞分析相结合，提供了揭示癌症基因型与药物反应之间相互作用的独特能力。在本研究中，我们应用GENEVA研究KRAS G12C抑制剂，并证明线粒体激活是KRAS抑制后细胞死亡的关键驱动因素。

此外，我们利用体内GENEVA小鼠模型，将上皮-间质转化（EMT）确定为对KRAS G12C抑制的一种显著耐药机制。这些发现凸显了GENEVA在识别新型治疗靶点和优化联合疗法方面的实用性，同时强调了其通过以可扩展且稳健的检测方法模拟肿瘤异质性的复杂性，从而弥合临床前癌症模型与患者预后之间差距的潜力。总体设计：来自四种遗传背景（KRAS G12C、KRAS G12D、EML4-ALK融合和EGFR L858R）的肺癌患者来源类器官被混合并在3D Matrigel培养中生长。这些混合的PDO暴露于ARS-1620剂量系列。处理后，细胞被解离并使用10x Genomics Chromium Sin进行处理

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。