GSE329336：转录记忆塑造癌症与干细胞可遗传状态及功能异质性 [scRNA-seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE329336

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

近期研究表明，非遗传异质性，特别是通过可遗传细胞状态，塑造了癌症演化和发育轨迹。然而，单细胞快照缺乏时间信息来识别这些状态。我们采用谱系解析的单细胞转录组学来绘制在分裂过程中持续存在的可遗传细胞状态，将其与短暂波动区分开来。我们发现，可遗传状态由广泛的转录记忆支撑，由此可遗传基因表达定义了两类状态：以聚类基因表达为特征的聚类状态，以及以非聚类基因表达为标志的潜在状态。这种记忆在细胞类型和条件间表现出保守性，并且似乎由强大的表观遗传机制维持，能够抵抗环境扰动。在功能上，记忆基因可预测关键行为，包括转移潜能和谱系定向，其中潜在状态基因通常优于聚类状态基因。

我们的发现确立了转录记忆作为可遗传细胞异质性的潜在基础，为理解生物系统中功能性细胞变异提供了一个框架。本文透明同行评审过程的记录包含在补充信息中。

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。