致病变异损害心肌病细胞组成与单细胞转录
该数据集来自 cellxgene.cziscience.com,属于循环系统疾病 / 心力衰竭分类,基于单核 RNA 测序(snRNAseq)刻画了 18 例对照与 61 例衰竭、非缺血性人类心脏共 880,000 个细胞核的转录组,涵盖携带 DCM 和 ACM 基因致病变异或特发性疾病的样本

基本信息
资源简介
致病变异损害心肌病细胞组成与单细胞转录
该数据集来自 cellxgene.cziscience.com,属于循环系统疾病 / 心力衰竭分类,基于单核 RNA 测序(snRNAseq)刻画了 18 例对照与 61 例衰竭、非缺血性人类心脏共 880,000 个细胞核的转录组,涵盖携带 DCM 和 ACM 基因致病变异或特发性疾病的样本。数据对心室细胞谱系和转录状态进行基因型分层分析,构建 DCM 与 ACM 心室细胞图谱,揭示左右心室反应差异、基因型相关通路、细胞间相互作用及单细胞分辨率下的差异基因表达,可用于研究人类心力衰竭的共享与独特细胞和分子结构,并提示候选治疗方向(来源 cellxgene.cziscience.com)。
【数据内容】
源站描述(机器翻译,仅供参考):导致扩张型心肌病(DCM)和致心律失常性心肌病(ACM)的基因致病变异通过未知机制带来心力衰竭的高风险。我们利用单核 RNA 测序(snRNAseq),刻画了来自 18 例对照和 61 例衰竭、非缺血性人类心脏的 880,000 个细胞核的转录组,这些心脏携带 DCM 和 ACM 基因致病变异或特发性疾病。我们对心室细胞谱系和转录状态进行了基因型分层分析。由此得到的 DCM 和 ACM 心室细胞图谱展示了不同的右心室和左心室反应,在单细胞分辨率下突出了基因型相关通路、细胞间相互作用和差异基因表达。这些数据共同阐明了人类心力衰竭的共享和独特的细胞与分子结构,并提示了候选治疗
【主题与分类】
主题标签:dilated cardiomyopathy、non-compaction cardiomyopathy、normal。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://cellxgene.cziscience.com/collections/e75342a8-0f3b-4ec5-8ee1-245a23e0f7cb
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://cellxgene.cziscience.com/collections/e75342a8-0f3b-4ec5-8ee1-245a23e0f7cb
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
导致扩张型心肌病(DCM)和致心律失常性心肌病(ACM)的基因致病性变异通过未知机制带来心力衰竭发生的高风险。利用单核RNA测序(snRNAseq),我们对来自18例对照和61例衰竭的非缺血性人类心脏的880,000个细胞核的转录组进行了表征,这些心脏携带DCM和ACM基因的致病性变异或患有特发性疾病。我们对心室细胞谱系和转录状态进行了基因型分层分析。由此产生的DCM和ACM心室细胞图谱展示了不同的右心室和左心室反应,突出了基因型相关通路、细胞间相互作用以及单细胞分辨率下的差异基因表达。这些数据共同阐明了人类心力衰竭共有和独特的细胞与分子结构,并提示了候选治疗靶点。疾病:致心律失常性右心室心肌病、扩张型心肌病、非致密化心肌病、正常。组织:心尖、心脏左心室、心脏右心室、室间隔。检测方法:10x 3‘ v2、10x 3’ v3。单细胞数据集(CZ CELLxGENE)。
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。
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。




