GSE305751：应激下细胞演化的时间与克隆解析

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE305751

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

解析细胞在短暂与持续应激下的演化，对于理解健康与病理过程均至关重要。然而，细胞应激反应涉及非线性动力学与生存瓶颈，使其研究颇具挑战。我们开发了一个框架，将单细胞多组学谱系追踪与统计建模相结合，通过显式建模指数扩增与克隆内异质性，量化单个细胞如何对未来种群做出贡献。应用于短期和长期治疗下的癌症模型，我们识别出预先适应以耐受治疗的克隆，以及通过产生多样后代而存活的克隆，从而能够表征每种克隆生存策略中富集的分子特征。该框架可量化治疗驱动的选择与适应，揭示它们对种群动态的相对贡献在不同治疗间存在差异。此外，短期和长期治疗导致不同克隆的扩增，这些克隆以不同的基因程序和转录因子活性为特征。

值得注意的是，诸如AP-1信号传导等特定通路可以限制初始癌细胞生长，但会促进后期的耐药性，并且这种相反的关联在独立实验和临床数据中一致观察到。总之，本研究引入了一种可推广的方法，以时间和克隆分辨的方式研究细胞演化，并突出了构成应激反应基础的时间依赖性分子程序。

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。