衰老扰乱小鼠卵巢周期中的时空协调
该数据集来自 cellxgene.cziscience.com,主题为衰老如何扰乱小鼠卵巢在生殖周期中的时空协调。数据使用 Slide-seq 近细胞空间转录组方法,覆盖 22 只小鼠卵巢、69 个空间转录组图谱、610,620 个近细胞位点,跨越生殖周期与时间年龄

基本信息
资源简介
衰老扰乱小鼠卵巢周期中的时空协调
该数据集来自 cellxgene.cziscience.com,主题为衰老如何扰乱小鼠卵巢在生殖周期中的时空协调。数据使用 Slide-seq 近细胞空间转录组方法,覆盖 22 只小鼠卵巢、69 个空间转录组图谱、610,620 个近细胞位点,跨越生殖周期与时间年龄。研究者开发分割分析以识别空间生态位,从原位静态快照中捕捉卵泡发生的不同状态,可用于研究卵巢功能的多细胞动态及其随年龄的变化(来源 cellxgene.cziscience.com)。
【数据内容】
源站描述(机器翻译,仅供参考):在女性生殖寿命中,卵巢完成数百个卵泡发育、排卵和组织再生周期。这些过程依赖于跨时间和空间的精确协调的复杂多细胞相互作用。衰老如何扰乱这些相互作用,导致生殖和内分泌功能整体下降,仍研究不足。为了理解卵巢功能背后的多细胞动态及其随年龄的变化,我们在此使用 Slide-seq,一种近细胞空间转录组方法,对跨越生殖周期和时间年龄的 22 只小鼠卵巢进行了分析,代表 69 个空间转录组图谱中的 610,620 个近细胞位点。我们开发了一种分割分析,以识别空间生态位,从原位静态快照中捕捉卵泡发生的不同状态,使我们能够检查多细
【主题与分类】
主题标签:normal。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://cellxgene.cziscience.com/collections/ed04d975-b0f9-4527-ba1d-7c249ba7b8a0
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/ed04d975-b0f9-4527-ba1d-7c249ba7b8a0
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
在女性生殖寿命期间,卵巢会完成数百个周期的卵泡发育、排卵和组织再生。这些过程依赖于跨越时间和空间的精确协调的复杂多细胞相互作用。衰老如何破坏这些相互作用,导致生殖和内分泌功能整体下降,仍研究不足。为了理解卵巢功能背后的多细胞动态及其随年龄的变化,我们在此使用Slide-seq——一种近细胞空间转录组学方法——对22个小鼠卵巢在生殖周期和实际年龄中的情况进行了分析,代表了69个空间转录组图谱中的610,620个近细胞位点。我们开发了一种分割分析,以识别空间生态位,从原位静态快照中捕捉卵泡发生不同状态,使我们能够检查358个卵母细胞、668个卵泡和236个黄体的多细胞动态。我们发现,衰老在周期停止之前就破坏了卵泡发生的空间组织和时间协调,这可能有助于激素产生和信号传导的失调。
这些紊乱以免疫细胞动态改变、炎症信号传导及整体组织解构为特征,损害了卵巢功能所需的周期性重塑。我们的研究揭示了多细胞微环境如何协调卵巢功能,并证明了随年龄增长,组织构造在时间和空间上的解体先于生殖功能衰退。疾病:正常。组织:卵巢。检测方法:Slide-seqV2。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。




