GSE181907：整合多组学揭示皮肤癌侵袭生态位的细胞与分子互作

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE181907

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

为了进展，肿瘤需要侵袭周围组织。然而，肿瘤-基质界面上细胞类型的异质性及其潜在相互作用的复杂性阻碍了针对有效治疗靶点的机制性见解。在此，我们结合单细胞和空间转录组学技术对人类基底细胞癌（BCCs）进行研究，定义了侵袭前沿的细胞贡献者。在侵袭微环境中，肿瘤细胞表现出集体迁移表型，这由细胞间连接复合物的表达所支持。在物理邻近区域，我们识别出具有细胞外基质重塑特征的癌症相关成纤维细胞（CAFs），这是支持集体迁移所必需的。此外，虽然肿瘤细胞特异性表达Activin A，但我们发现邻近CAFs亚群中Activin A诱导的基因特征富集，进一步支持了它们之间的生物学交互作用。总之，我们的数据识别了有助于BCC侵袭微环境空间组织的亚群及其转录重编程。

他们还为整合空间和单细胞多组学提供了概念验证，以解析癌症特异性的侵袭特性并开发治疗靶向。

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。