GSE317905：机制语言建模与富氧3D筛选揭示小檗碱与恩杂鲁胺在耐药前列腺癌中的协同作用 [RNA-Seq]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE317905

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

对雄激素受体抑制剂的耐药性仍是前列腺癌治疗中的主要挑战，而识别协同联合疗法受制于巨大的组合搜索空间以及预测计算模型可解释性有限的问题。在此，我们开发了一个整合发现-验证轴，将知识增强型大语言模型与补氧3D球体实验相结合。通过利用模型固有的随机性，我们的框架测量独立预测之间的一致程度，从而建立预测准确性的正式度量。这一原理使得能够高通量评估复杂的信号串扰，为所有预测提供机制性依据，并界定出一个可最大限度减少实验损耗的高置信区域。利用该方法筛选3，592种天然产物，我们发现了小檗碱与恩杂鲁胺之间此前未被认识的协同作用，可重新敏化耐药细胞。验证证实小檗碱扰动PI3K/AKT/mTOR和AMPK轴，这一发现与框架计算推导的机制性依据一致。

将可解释的人工智能与生理相关的三维筛选相结合，为合理发现协同疗法提供了一种可扩展的方法。

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。