COVID-19患者固有淋巴样细胞单细胞多组学分析关键差异表达基因原始数据

数据集获取

源站：https://doi.org/10.7910/DVN/R2PCHU

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 135.57 GB。

数据说明

重要：FASTQ文件已分割为多个部分——使用前请先合并

由于Harvard Dataverse的文件大小限制，每个大于约1 GB的FASTQ文件均已被分割为按顺序编号的多个部分，例如Batch_131a_S2_L001_R1_001.part_001.fastq.gz、Batch_131a_S2_L001_R1_001.part_002.fastq.gz等。在使用原始reads之前，请将同一样本的所有部分连同MANIFEST.tsv和merge_fastq.sh下载到同一个文件夹中，并运行：bash merge_fastq.sh . --verify

该shell脚本（macOS/Linux）会重建原始FASTQ文件，报告任何缺失的部分，并根据MANIFEST.tsv中的校验和检查每个重建的文件。完整说明、原始文件名列表和reads计数见ReadMe.txt和MANIFEST.tsv。请先阅读ReadMe.txt。

数据集内容

本数据集包含使用BD Rhapsody单细胞分析系统生成的四个批次（131a、131b、131c和131d）的原始和处理后单细胞数据，使用了靶向mRNA panel并结合29种AbSeq抗体-寡核苷酸进行蛋白检测。原始双端FASTQ文件已按上述方式分割为多个部分。

每个批次的计数表（CSV），共四个版本：Batch_ DBEC_MolsPerCell.csv、Batch DBEC_ReadsPerCell.csv、Batch RSEC_MolsPerCell.csv、Batch _RSEC_ReadsPerCell.csv，以及MANIFEST.tsv、merge_fastq.sh和ReadMe.txt。各批次的细胞数和流程版本如下：131a：3，893个细胞；BD Rhapsody靶向分析流程v1.9-beta。131b：8，743个细胞；BD Rhapsody靶向分析流程v1.9-beta。131c：2，559个细胞；BD Rhapsody靶向分析流程v1.9.1。131d：4，285个细胞；BD Rhapsody靶向分析流程v1.9.1。数据流程：重新组装FASTQ文件：按照ReadMe.txt的说明，使用merge_fastq.sh合并拆分文件（*.part_NNN.fastq.gz）。双端测序读段：R1包含细胞标签和唯一分子标识符（UMI）；R2包含cDNA或AbSeq标签序列。BD Rhapsody处理：靶向分析流程识别细胞，将读段分配给基因或AbSe

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。