Yates等原发与转移性食管腺癌不同临床阶段空间队列

数据集获取

源站：https://doi.org/10.5281/zenodo.15341263

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。

数据集大小约 4.72 GB。

数据说明

该存储库包含论文中所述患者空间分析的相关数据。更多信息请参阅README。摘要“食管腺癌（EAC）是一种高度致命的上消化道癌症，在西方人群中发病率不断上升。为了解析EAC的疾病进展和治疗反应，我们对一组原发性和转移性EAC肿瘤进行了多组学分析，整合了单核转录组和染色质可及性测序以及空间分析。我们重现了先前描述的与治疗反应相关的肿瘤微环境特征。随后，我们识别出五种恶性细胞程序，包括未分化、中间、分化、上皮-间质转化和循环程序，这些程序与差异表观遗传可塑性和临床结局相关，并且我们推断了其候选转录因子调控子。此外，我们揭示了表达相关转录程序的恶性细胞的多样空间定位，并预测了它们与微环境细胞类型的重要相互作用。”

我们在三项外部单细胞RNA测序研究和三项 bulk RNA测序研究中验证了我们的发现。总之，我们的发现推进了对EAC异质性、疾病进展和治疗反应的理解。

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。