PRJNA1267096：急性新生儿肺损伤跨发育与疾病严重程度的空间转录组图谱

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1267096

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

要分子层面理解肺器官发生，需要阐明时空细胞运动的时序和驱动因素，这些运动最终形成并支撑一个能够进行气体交换的表面。尽管单细胞转录组学的出现使得在肺发育过程中发现和识别转录上不同的细胞群体成为可能，但这些转录变化的时空动态仍未被明确。借助基于成像的空间转录组学，我们分析了17例处于不同发育阶段和肺损伤状态的人类婴儿肺的基因表达模式，创建了包含约120万个细胞的空间转录组学图谱。我们应用计算聚类方法识别该队列中共享的分子相似性，建立了一个框架，该框架将生成关于正常发育过程中组织结构和分子空间关系如何协调以及在疾病中如何被破坏的假设。

认识到所有早产儿均代表发育中肺的损伤，我们已摒弃将婴儿分类为“疾病”或“对照”的传统范式，转而采用线性回归方法，该方法考虑了常规收集的客观指标：胎龄、生存期和疾病严重程度。在这一新框架内，我们识别出跨这些变量的细胞类型模式，这些模式在使用传统的二元“患病 vs. 对照”比较时很可能被忽视。总之，这些数据为肺研究界提供了一项资源，支持基于发现的探究以及在正常和停滞的人类肺发育中识别可靶向的分子机制。总体设计：我们使用10X Genomics Xenium平台，以包含343个基因的基因探针组，对来自范德堡大学人类婴儿肺库的17份婴儿肺样本进行了分析。样本名称通过附加‘PDL’生成，范围从‘001’至‘01

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。