社区机器学习挑战：预测基因扰动对T细胞分化的影响用于癌症免疫治疗

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE327731

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T细胞中具有功能重要性的基因进行扰动，可用于改变CD8 T细胞状态的分布，从而增强癌症免疫治疗中的抗肿瘤功能。我们发起了一项全球性计算挑战，旨在预测基因扰动的效应，并设计目标函数以优先筛选能够导致所需T细胞状态分布的基因扰动。我们通过生成一个单细胞Perturb-seq数据集来支持该挑战，该数据集描绘了在转移至小鼠黑色素瘤模型的T细胞中敲除73个由专家定义的单个基因的效果。我们比较了参与者开发的最佳算法，发现性能主要取决于用于基因特征表示的先验数据，其中基于扰动数据衍生的特征被证明最为有效。对算法提名前61个基因的实验验证显示，扰动Ndufv2和Dimt1达到了既定目标，并使分化偏向所需状态。

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。