SCAtlas HCL：人类癌症细胞系数据库
SCAtlas HCL数据库是一个包含40种人类癌症细胞系和2种正常细胞系、共23,089个细胞的单细胞多组学数据集，整合了转录组和表观遗传模态数据，主要用于研究癌症细胞系内部的转录组异质性、探索表观遗传与转录组之间的相互作用机制，为癌症生物学研究和精准医疗提供重要资源。
基本信息
资源简介
SCAtlas HCL：人类癌症细胞系数据库
【一句话概览】
人类癌细胞系长期用于癌症研究和肿瘤药物发现，但其是否具有异质性以及细胞系内异质性如何影响生物医学研究仍不清楚。本研究对数十个癌细胞系和2个正常细胞系生成了单细胞转录组和单细胞染色质可及性数据，以展示不同细胞系内的转录组和表观遗传异质性（来源 db.cngb.org）。
【数据集背景】
本数据集源站标题为《Single-cell atlas of human cell lines》。
【数据内容】
源站原始描述：Human cancer cell lines have long served as tools for cancer research and oncology drug discovery, but whether they harbor heterogeneity and how intra-cell-line heterogeneity affect biomedical studies remains elusive. Here, we generated single-cell transcriptomic and single-cell chromatin accessibility data of dozens of cancer cell lines and 2 normal cell lines to illustrate both transcriptomic and epigenetic heterogeneity within different cell lines
中文译文（机器翻译，仅供快速理解，请以原文为准）：人类癌细胞系长期以来一直被用作癌症研究和肿瘤药物发现的工具，但它们是否具有异质性以及细胞系内异质性如何影响生物医学研究仍不清楚。在此，我们生成了数十种癌细胞系和2种正常细胞的单细胞转录组和单细胞染色质可及性数据，以阐明不同细胞系内的转录组和表观遗传异质性。
【主题与分类】
主题标签：single-cell、scRNA、scATAC、human cell lines、cancer cell lines、transcriptomic、chromatin accessibility、multi-omics、heterogeneity。
【获取与许可】
源站页面：https://db.cngb.org/cdcp/scatlashcl/
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://db.cngb.org/cdcp/scatlashcl/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
SCAtlas HCL是一个人类癌症细胞系单细胞多组学数据库，分析了来自40个人类癌症细胞系和2个人类正常细胞系的23,089个细胞的转录组和表观遗传数据。该数据库构建了单细胞转录组图谱并提供数据可视化功能，深入探索了各个癌症细胞系内的转录组和表观遗传异质性，发现转录组异质性是不同癌症的共同特征，并揭示了转录组和表观基因组之间相互作用的分子机制。该数据集来源于Nature Communications期刊发表的研究，主要应用于癌症生物学、肿瘤异质性研究、药物靶点发现和精准医疗等领域。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
