基于图像的空间转录组学识别肺纤维化远端肺重塑相关分子微环境失调 [Visium]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE276934

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

肺纤维化（PF）是一种慢性、进行性疾病，代表多种间质性肺疾病（ILD）的终末阶段。单细胞转录组研究已揭示PF肺组织中疾病相关的上皮细胞、成纤维细胞和巨噬细胞类型/状态，但这些细胞在疾病发病机制中所处的空间背景仍不明确。利用基于图像的空间转录组学对来自对照和PF肺组织的28份肺样本进行原位基因表达变化分析，我们在亚细胞分辨率下表征了超过100万个细胞核中343个基因的表达。通过基于细胞和不依赖细胞的两种方法，我们观察到对照和PF肺组织中存在多种不同的分子定义的空间微环境。将这些计算定义的微环境与疾病相关组织病理学特征叠加，我们识别出基于空间背景的肺泡失调新模式。我们对单个气腔进行计算分割，并利用细胞组成将气腔从稳态到最失调进行排序。利用这一排序，我们识别出一系列与进行性远端肺重塑相关的逐步分子变化。

总之，这些结果增进了我们对进行性肺纤维化背后分子机制的理解。

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。