弥漫性大B细胞淋巴瘤肿瘤细胞状态与生态系统景观 [scVDJ-seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE182435

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

弥漫性大B细胞淋巴瘤（DLBCL）的生物学异质性部分由起源细胞亚型及相关基因组病变驱动，但也由肿瘤微环境（TME）中多样的细胞类型和细胞状态所驱动。然而，大规模解析这些细胞状态及其临床相关性仍具挑战性。在此，我们实施了EcoTyper——一个整合转录组去卷积和单细胞RNA测序的机器学习框架——以表征具有临床相关性的DLBCL细胞状态和生态系统。利用该方法，我们鉴定了恶性B细胞的五种细胞状态，这些状态在预后关联和分化程度上存在差异。我们还发现，构成TME的另外12个谱系的细胞状态存在显著变异，并在模式化生态系统中形成细胞状态相互作用。虽然起源细胞亚型具有不同的TME组成，但DLBCL生态系统捕获了现有亚型内的临床异质性，并超越了起源细胞和基因型分类。

这些结果以前所未有的分辨率解析了DLBCL微环境，并确定了治疗靶向的机会（https://ecotyper-stanford-edu.stanford.idm.oclc.org/lymphoma）。

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。