基于适用于精准肿瘤学的临床前NF1-MPNST平台的预测建模

数据集获取

源站：https://synapse.org/Synapse:syn21984813

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

利用适用于精准肿瘤学的临床前 NF1-MPNST 平台进行预测建模

利用适用于精准肿瘤学的临床前 NF1-MPNST 平台进行预测建模

项目负责人：Angela Hirbe、David Largaespada

研究依据

NF1 是最常见的癌症易感综合征之一，全球每 2500 人中约有 1 人受累。约 10%-13% 的受累个体会发生一种侵袭性肉瘤，即恶性外周神经鞘瘤（MPNST）。改善这些患者预后的主要障碍之一是缺乏能够准确反映这些癌症遗传异质性的临床前模型。在这方面，近期临床试验未产生有效疗法，这可能反映了单一小鼠 MPNST 模型系统（Nf1+/-;Trp53+/- 小鼠）的使用以及人肿瘤异种移植物的缺乏。为解决这一关键问题，我们各实验室已成功构建了一系列患者来源的 MPNST 异种移植物，它们更准确地反映了人类疾病中所见的遗传异质性。迄今为止，我们已构建了 15 株在免疫缺陷小鼠体内传代的 NF1-MPNST 患者来源异种移植（PDX）系。我们已证明，这些株系携带我们在 NF1 患者中见到的基因组改变谱，包括胚系和体细胞 NF1 突变，以及部分亚群存在 CDKN2A 缺失、TP53 突变、EED/SUZ12 突变和大量拷贝数变化。我们计划在体外使用由这些 PDX 系生成的胶原微组织进行高通量药物筛选，以加速识别有效的治疗组合。随后，我们将对前景良好的组合进行体内测试。该提案汇集了四家在 NF1 研究方面具有深厚专业知识的机构，以及一家非营利性协作研究机构 Sage Bionetworks，以开展真正整合的工作，探索一组经过充分验证的药物对 MPNST 的治疗潜力。

具体说明

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。