COPD远端肺单细胞RNA测序图谱用于预测细胞间通讯

数据集获取

源站：https://omicsdi.org/dataset/geo/GSE269390

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

在慢性阻塞性肺疾病（COPD）患者的肺中，众多细胞类型在结构异常且充满炎症的微环境中相互作用。通过单细胞RNA测序（scRNA-seq）评估单个细胞的基因表达，能够更深入地理解COPD远端肺等复杂样本中的细胞类型。scRNA-seq数据可与细胞间通讯预测工具结合，以预测给定样本内的细胞相互作用；实际上，这种方法此前已被用于展示COPD中内皮CXCL信号增强的证据。为最大化这些工具的价值，关键是要覆盖各细胞谱系（如上皮、免疫、内皮和间充质细胞）。然而，在COPD等疾病中，这颇具挑战性，因为与同样受疾病影响但数量较少的细胞类型（如气道上皮）相比，炎症细胞往往在样本中占主导地位。

为探究COPD肺部的细胞间相互作用，我们对6份COPD远端肺样本的单细胞悬液进行了scRNA-seq，随后将这些数据与先前发表的数据相结合，构建了一个多部位COPD与对照scRNA-seq数据集，其中非免疫细胞谱系的代表性有所增加。

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。