PRJNA1439238：小细胞肺癌肿瘤可塑性背后的转录网络

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1439238

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

在人类恶性肿瘤中，癌细胞在不同状态之间转换的能力（“可塑性”）促进肿瘤进展、转移和治疗耐药。在此，我们研究了小细胞肺癌（SCLC）可塑性的转录和表观遗传基础，SCLC是一种生长侵袭性强且以对治疗顽固耐药而著称的癌症。SCLC肿瘤沿神经内分泌（NE）至非神经内分泌（nonNE）轴表现出异质性，但调节这些分化状态及状态间转换的因素仍鲜有明确6。利用单细胞多组学，我们鉴定出不同的SCLC转录细胞状态，包括一种此前未被认识的中间状态，该状态由具有双向NE/nonNE分化潜能的免疫原性SCLC细胞组成。此外，开发用于转录因子网络的Boolean Bayes模型（BoBa-T）使我们能够预测SCLC细胞状态的调控因子。我们验证了RORB是一种转录因子，可促进SCLC中的NE状态并抑制nonNE状态。

值得注意的是，RORB失活促进NE SCLC细胞向中间状态转变，包括上调免疫原性程序，从而抑制肿瘤生长。我们的工作揭示了SCLC肿瘤中一种高度可塑性的状态，并揭示了限制可塑性和异质性以增强这种致命人类癌症治疗疗效的新策略。

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。