NGP 细胞的 Bulk RNA seq 数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE144930

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

单细胞转录组测序技术的进步为组织组成和细胞异质性提供了前所未有的视角。尽管已有若干研究比较了不同单细胞RNA-seq方法在数据质量及区分细胞亚群能力方面的差异，但这些比较研究均未探讨化学扰动下细胞转录反应的异质性。本研究利用C1、ddSeq和Chromium单细胞系统，评估了NGP神经母细胞瘤细胞在nutlin-3处理后的转录反应。这些系统及文库制备方法代表了从微流控芯片到基于液滴的系统、从全长转录本测序到3‘端测序等多种平台的广泛类型。同时，我们采用bulk RNA-seq对转录反应进行了分子特征分析。

采用了两项互补的指标来评估性能：第一项是通过两种统计模型稳健评估的差异表达基因的数量和鉴定，第二项是生物学信号的富集分析，这一分析不受样本大小或评估细胞数量的影响。在相关情况下，我们对测序文库大小进行了降采样，根据特定的RNA丰度特征选择了细胞亚群，或创建了伪批量样本来使数据更具可比性。尽管C1平台能检测到每个细胞中最多的基因数量，且更接近于批量RNA-seq的结果，但Chromium平台能识别出最多的差异表达基因，尽管这一数量仍远少于批量RNA-seq。基因集富集分析显示，在单细胞RNA-seq实验中，检测最丰富的基因足以进行分子表型分析。最后，单细胞RNA-seq揭示了NGP细胞在nutlin-3处理后呈现出异质性反应，指出了潜在的迟反应者或耐药细胞，这些在批量RNA-seq实验中是隐藏未见的。

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。