PRJNA1336837：胰腺导管腺癌空间分辨亚型进展揭示代谢脆弱性 II

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1336837

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

胰腺导管腺癌（PDAC）表现出显著的分子异质性和不良预后，亟需新的个体化治疗方案。由糖酵解与脂质代谢分别驱动的基底型和经典型亚型具有不同的预后意义。我们绘制了PDAC分子亚型异质性图谱，捕获了空间分辨的基因表达特征，并生成了一个包含42,035个空间位点的全面高分辨率数据集。亚型分型通过多重免疫荧光及患者来源类器官中的定量分析进行了验证。我们的分析解析了癌细胞特征，去卷积了肿瘤内异质性，并描绘了一条从经典型到基底型的轨迹。我们识别出代谢“热”的高级别肿瘤生态位，其特征为两种亚型中糖酵解和脂肪生成的同时富集，并将其提名为亚型无关的治疗靶点。临床前模型表明，尽管基底型亚型依赖糖酵解，但经典型和基底型肿瘤均对糖酵解抑制敏感。

这项工作挑战了亚型特异性治疗孤岛的信条，并证明了高度可适应的能量微环境可作为驱动肿瘤进展的储存库。总体设计：对来自8位不同患者原发性PDAC组织的8个PDO细胞系进行RNA-seq分析，这些细胞系未处理或用40 µM PFKFB3抑制剂KAN0438757处理24小时 *************************************************************** 由于担心提交个人可识别序列数据用于开放获取，人类/患者样本的原始文件未提交至GEO。 ***************************************************************

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。