高通量组织解离与数字细胞术细胞纯化 [Affymetrix]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE127462

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

组织组成是表型变异的主要决定因素，也是影响疾病结局的关键因素。尽管单细胞RNA测序（scRNA-Seq）已成为表征细胞异质性的强大技术，但目前尚不适用于大样本队列，也无法应用于常规临床诊疗中采集的固定标本。为克服这些挑战，我们将通过估计RNA转录本相对亚群进行细胞类型鉴定（CIBERSORT）扩展为一个新的计算机细胞术平台。我们的方法能够从批量组织转录组中同时推断细胞类型丰度和细胞类型特异性基因表达谱（GEP）。这一被称为CIBERSORTx的集成框架的实用性已在多种肿瘤类型中得到验证，包括黑色素瘤，其中单细胞参考谱被用于剖析原发性临床标本，揭示了驱动突变和免疫治疗反应的细胞类型特异性特征。我们预期数字细胞术将增强单细胞分析工作，实现经济高效、高通量的组织表征，而无需抗体、组织解离或活细胞。

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。