疟疾细胞图谱:疟原虫单细胞转录组

该数据集来自ebi.ac.uk,聚焦感染/寄生虫病方向,提供鼠疟与人疟原虫的单细胞RNA测序数据,覆盖无性与有性生活史阶段,包含500余个单细胞样本

biostudies
浏览 7
基因组分类trajectorybaselineRNA-seq of coding RNA from single cellsPlasmodium falciparum 3D7Plasmodium berghei ANKA
Malaria Cell Atlas: Single cell transcriptomics of malaria parasites

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-21

资源简介

疟疾细胞图谱:疟原虫单细胞转录组

Malaria Cell Atlas: Single cell transcriptomics of malaria parasites

该数据集来自ebi.ac.uk,聚焦感染/寄生虫病方向,提供鼠疟与人疟原虫的单细胞RNA测序数据,覆盖无性与有性生活史阶段,包含500余个单细胞样本。数据可用于解析疟原虫在单个寄生虫水平的转录异质性,识别致病阶段中此前隐藏的离散转录特征,并支持发育轨迹与基线表达分析,为红细胞入侵、免疫逃逸等关键表型研究提供基础(来源 BioStudies)。

【数据内容】

源站描述(机器翻译,仅供参考):单细胞RNA测序正在革新我们对看似均一的细胞群体的理解,但尚未广泛应用于单细胞生物。来自疟原虫属的单细胞疟疾寄生虫的转录变异与包括红细胞入侵和免疫逃逸在内的关键表型相关,然而在单个寄生虫水平上的转录变异尚未得到深入研究。在此,我们描述了将单细胞RNA测序(scRNA-seq)方案应用于解卷积超过500个个体寄生虫的转录变异,这些寄生虫来自啮齿动物和人类疟疾,涵盖无性和有性生活史阶段。我们揭示了致病生命周期阶段中此前隐藏的离散转录特征,表明发育过程中的表达并不像通常认为的那样连续。在传播中

【主题与分类】

主题标签:trajectory、baseline、RNA-seq of coding RNA from single cells、Plasmodium falciparum 3D7、Plasmodium berghei ANKA。本站分类:感染/寄生虫病。

【获取与许可】

源站页面:https://ebi.ac.uk/biostudies/studies/E-ERAD-611

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://ebi.ac.uk/biostudies/studies/E-ERAD-611

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。

数据说明

E-ERAD-611 疟疾细胞图谱:疟原虫单细胞转录组学轨迹基线 编码RNA的单细胞RNA-seq EFO EFO_0005684 恶性疟原虫3D7 伯氏疟原虫ANKA 单细胞RNA测序正在革新我们对看似同质性细胞的理解

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。

获取专属数据定制方案