HIF-1alpha靶向仿生纳米囊泡增强肺癌放射敏感性并减轻放疗毒性

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1542245

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

背景：肺癌放疗（RT）受限于肿瘤缺氧、放射性肺损伤及包括营养恶化在内的全身代谢紊乱。缺氧诱导因子1-α（HIF-1alpha）是肿瘤放射抵抗和代谢重编程的关键驱动因子。本研究旨在评估递送HIF-1alpha抑制剂（PX-478）的仿生纳米囊泡在增强放射敏感性、减轻RT诱导毒性及改善全身营养代谢方面的疗效。此外，还开发了一个多模态机器学习框架，用于预测RT毒性风险并指导营养干预分层。方法：合成仿生纳米囊泡，并对其PX-478包封率、稳定性及pH响应性释放进行表征。采用原位Lewis肺癌模型及A549/H1975细胞系评估放射增敏和毒性减轻效果。运用多组学、单细胞转录组学及空间组学探究缺氧驱动的代谢重编程和全身营养耗竭。

一种整合了微型CT成像、多组学和行为数据的多模态机器学习模型被开发并验证，用于毒性风险预测和营养干预分层。结果：载有PX-478的纳米囊泡表现出高效的肿瘤细胞摄取、pH响应性释放以及抑制HIF-1alpha信号传导。在体外，纳米囊泡破坏了肿瘤代谢适应，增强了氧化应激，并加剧了放疗诱导的DNA损伤。在体内，纳米囊泡与放疗联合抑制了肿瘤生长，减少了肺纤维化和炎症，并恢复了包括白蛋白和支链氨基酸在内的全身营养参数。多组学分析将HIF-1alpha驱动的代谢重编程与放疗毒性和全身营养耗竭联系起来。该机器学习模型实现了稳健的预测性能（AUC = 0.964），并成功

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。