基于形态学引导空间转录组与单细胞测序的人类卵巢细胞图谱
该数据集来自 cellxgene.cziscience.com,聚焦人类卵巢的细胞图谱构建。研究对两名绝经前供者卵巢的257个区域进行了超过18,000个基因的 profiling,并对另外三名供者的21,198个细胞开展单细胞RNA测序,鉴定出四种主要细胞类型和四种免疫细胞亚型

基本信息
资源简介
基于形态学引导空间转录组与单细胞测序的人类卵巢细胞图谱
该数据集来自 cellxgene.cziscience.com,聚焦人类卵巢的细胞图谱构建。研究对两名绝经前供者卵巢的257个区域进行了超过18,000个基因的 profiling,并对另外三名供者的21,198个细胞开展单细胞RNA测序,鉴定出四种主要细胞类型和四种免疫细胞亚型。通过定制采样区域,揭示了卵母细胞、卵泡膜细胞和颗粒细胞的独特基因活性,并提供了相应的特异性基因 panel,可用于研究驱动卵泡发育的分子程序及卵巢生殖与内分泌功能的空间组织特征(来源 cellxgene.cziscience.com)。
【数据内容】
源站描述(机器翻译,仅供参考):卵巢的生殖和内分泌功能涉及特化细胞群体之间空间定义的相互作用。尽管卵巢在生育和内分泌健康中很重要,但卵巢细胞的功能属性在很大程度上尚未被表征。在这里,我们在两名绝经前供者的卵巢的257个区域中分析了超过18,000个基因,以检查卵巢中的功能单元。我们还为另外三名供者的21,198个细胞生成了单细胞RNA测序数据,并鉴定出四种主要细胞类型和四种免疫细胞亚型。对采样区域的定制选择揭示了卵母细胞、卵泡膜细胞和颗粒细胞的独特基因活性。这些数据贡献了卵母细胞、卵泡膜细胞和颗粒细胞特异性基因的panel,从而扩展了对驱动卵泡发育的分子程序的认识。围绕卵母细胞以及跨越皮质和髓质的连续样本
【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/6686ada5-43a8-40b6-9a05-6894503606db
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/6686ada5-43a8-40b6-9a05-6894503606db
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
卵巢的生殖与内分泌功能涉及特化细胞群体之间在空间上界定的相互作用。尽管卵巢在生育和内分泌健康中至关重要,但卵巢细胞的功能特性在很大程度上仍未得到表征。在此,我们对两名绝经前供者卵巢的257个区域中的18000多个基因进行了分析,以研究卵巢中的功能单元。我们还为另外三名供者的21198个细胞生成了单细胞RNA测序数据,并鉴定出四种主要细胞类型和四种免疫细胞亚型。对采样区域进行定制选择揭示了卵母细胞、卵泡膜细胞和颗粒细胞具有不同的基因活动。这些数据贡献了卵母细胞、卵泡膜细胞和颗粒细胞特异性基因组合,从而拓展了对驱动卵泡发育的分子程序的认识。围绕卵母细胞以及跨越皮质和髓质的连续样本揭示了此前未被充分认识到的激素和细胞外基质重塑活动的变异。这一结合空间和单细胞的图谱可作为未来研究卵巢中稀有细胞和病理状态的资源。疾病:正常。组织:卵巢。检测:10x 3‘ v3。
Single-cell dataset (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。




