NSCLC奥希替尼耐药分析预处理单细胞RNA-seq数据集（GSE131907与PRJNA591860）

数据集获取

源站：https://doi.org/10.5281/zenodo.23512899

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

数据集概览 本存储库包含经过完整预处理、质量过滤和注释的单细胞RNA测序AnnData对象（.h5ad），用于研究驱动非小细胞肺癌（NSCLC）中奥希替尼耐药的转录组机制、谱系可塑性及免疫逃逸策略。这些大型矩阵托管于此，以跳过大量预处理步骤，便于同行评审人和读者立即进行计算复现。用于分析这些文件的所有自定义Python和R脚本均可通过关联的Anonymous GitHub存储库公开获取。文件1：GSE131907_FINAL_ANNOTATED.h5ad（发现队列）描述：基于液滴的10x Genomics scRNA-seq矩阵，比较原发性肺肿瘤与转移性病灶。预处理：过滤高质量细胞（线粒体读数<10%，min_genes>200），标准化（目标总和1e4），log1p变换并缩放。细胞已完整注释为上皮细胞、巨噬细胞、T细胞、B细胞和NK/细胞毒性区室。下游用途：用于训练嵌套患者级GroupKFold随机森林分类器，以识别MUC1/SCGB3A2谱系可塑性特征。

亦用于解耦器伪批量基因集富集分析（GSEA）和PAGA演化轨迹映射。文件2：maynard_annotated.h5ad（验证队列）描述：高深度Smart-seq2纵向scRNA-seq矩阵（PRJNA591860 / Maynard等，2020），追踪患者匹配活检样本。预处理：经标准化和注释，以反映不同的临床治疗反应：初治（TN）、残留病灶（RD）和进展性疾病（PD）。下游用途：用于独立验证SCGB3A2、MUC1、MUC5B和EZH2的时间表达动态。由于测序深度高，该矩阵被明确用于squidpy基于置换的细胞-细胞通讯检测，以揭示获得性LGALS9-HAVCR2（TIM-3）免疫耗竭轴。

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。