可重复LDA识别小鼠阿尔茨海默病模型不同基因型中影响性别特异性疾病进展的稳健细胞程序

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE255965

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

不同细胞类型的基因表达谱反映了每个细胞中多个同时进行的生物学过程之间复杂的基因组相互作用，这些相互作用可因疾病进展以及遗传背景而改变。识别这些活跃的细胞程序是单细胞RNA-seq数据分析中的一个开放性挑战。潜在狄利克雷分配（LDA）是一种生成式方法，用于在计数数据中识别反复出现的模式，通常称为主题，可用于解释每个细胞的状态。然而，LDA的可解释性受到主题数量超参数选择以及由于随机初始化导致的主题定义变异性的制约。我们开发了Topyfic，一个可重复的LDA（rLDA）软件包，用于准确推断单细胞数据中细胞程序的身份和活性，并提供每个程序在单个细胞中相对贡献的见解。我们将Topyfic应用于两种5xFAD阿尔茨海默病小鼠模型（分别与C57BL6/J或CAST/EiJ小鼠杂交）的脑单细胞和单核数据集，以识别不同细胞类型以及小胶质细胞等细胞类型中的不同状态。

我们发现，8月龄的5xFAD/Cast F1雄性小鼠表现出比匹配的5xFAD/BL6 F1雄性小鼠更高水平的小胶质细胞激活，而雌性小鼠则表现出相似水平的小胶质细胞激活。我们表明，仅调控基因如转录因子、microRNA宿主基因和染色质调控基因即可捕获细胞类型和细胞状态。我们的研究强调了使用有限调控基因词汇的主题建模如何能够识别单细胞数据中的基因表达程序，以量化不同基因型中相似和相异的细胞状态。

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。