人白色脂肪组织单核分析揭示具有不同代谢特征的脂肪细胞亚群
该数据集来自 cellxgene.cziscience.com,包含 65,668 个来自人皮下或腹腔内脂肪组织(SAT/IAT)的单核转录组,用于研究不同脂肪库内部及之间的差异

基本信息
资源简介
人白色脂肪组织单核分析揭示具有不同代谢特征的脂肪细胞亚群
该数据集来自 cellxgene.cziscience.com,包含 65,668 个来自人皮下或腹腔内脂肪组织(SAT/IAT)的单核转录组,用于研究不同脂肪库内部及之间的差异。无监督分析发现 26 个脂肪组织驻留细胞簇,其中包括成熟脂肪细胞的两个亚群,以脂肪细胞成熟基因高表达与低表达区分(ADIPOMAThi 与 ADIPOMATlo)。ADIPOMATlo 脂肪细胞呈现低分化、促炎和促纤维化的转录组特征,其在 IAT 中的丰度与较高 BMI 供体相关,在 SAT 中则与血糖受损相关。TSHZ3 被鉴定为 ADIPOMATlo 转录组的候选调控因子(来源 cellxgene.cziscience.com)。
【数据内容】
源站描述(机器翻译,仅供参考):白色脂肪组织的解剖位置是心脏代谢风险的决定因素。为了解脂肪库内部及之间的差异,我们从人皮下或腹腔内脂肪组织(SAT/IAT)中生成了 65,668 个单核转录组。无监督分析揭示了 26 个脂肪组织驻留细胞簇,包括成熟脂肪细胞的两个亚群,其特征为脂肪细胞成熟基因的高表达与低表达(ADIPOMAThi 与 ADIPOMATlo)。ADIPOMATlo 脂肪细胞表现出低分化、促炎和促纤维化的转录组。IAT 驻留的 ADIPOMATlo 在较高 BMI 供体中更为丰富,而 SAT 驻留的 ADIPOMATlo 与血糖受损相关。TSHZ3 被鉴定为 ADIPOMATlo 转录组的候选调控因子。在脂肪生成祖细胞中敲低 TSHZ3 会抑制分化,并伴有早期脂肪生成调控因子的下调。
【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/6b701826-37bb-4356-9792-ff41fc4c3161
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/6b701826-37bb-4356-9792-ff41fc4c3161
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
白色脂肪组织的解剖位置是心脏代谢风险的决定因素。为了理解脂肪库内部/之间的差异,我们从人类皮下或腹腔内脂肪组织(SAT/IAT)中生成了65,668个单核转录组。无监督分析揭示了26个脂肪驻留细胞簇,包括两个成熟脂肪细胞亚群,其特征是脂肪细胞成熟基因高表达与低表达(ADIPOMAThi vs. ADIPOMATlo)。ADIPOMATlo脂肪细胞表现出低分化、促炎和促纤维化的转录组。IAT驻留的ADIPOMATlo在较高BMI供者中更为丰富,而SAT驻留的ADIPOMATlo与血糖受损相关。TSHZ3被确定为ADIPOMATlo转录组的候选调节因子。在脂肪生成祖细胞中敲低TSHZ3可抑制分化,并下调早期脂肪生成调节因子(如CEBPA/B、PPARG)和成熟脂肪细胞基因。小鼠中Tshz3的杂合缺失减少了SAT和IAT重量。
在此,我们展示具有不同转录组特征的人脂肪细胞亚群存在于人类白色脂肪组织中;改变的TSHZ3介导的转录调控可能促成与代谢疾病相关的低成熟亚群。疾病:正常。组织:腹部皮下脂肪组织、腹部内脏脂肪组织。检测方法: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。




