GSE279771：空间表观基因组、转录组与细胞谱系统一分子方法
该数据集来自 NCBI GEO（GSE279771），对应一种名为 SPACE-seq 的统一分子方法，利用带 polyA 接头的转座体生成 polyA 尾表观基因组文库，从而借助标准全转录组试剂实现空间表观基因组与多组学分析
基本信息
资源简介
GSE279771：空间表观基因组、转录组与细胞谱系统一分子方法
A unified molecular approach for spatial epigenome, transcriptome, and cell lineages
该数据集来自 NCBI GEO（GSE279771），对应一种名为 SPACE-seq 的统一分子方法，利用带 polyA 接头的转座体生成 polyA 尾表观基因组文库，从而借助标准全转录组试剂实现空间表观基因组与多组学分析。数据应用于一例人胶质母细胞瘤样本，刻画了肿瘤内不同亚群的空间定位与开放染色质，并提示可能的线粒体 DNA 变异。数据集含 1 个文件（GSE279771_series_matrix.txt.gz），属于肿瘤/脑肿瘤分类，可用于空间表观遗传与多组学方法研究（来源 NCBI）。
【数据集背景】
源站首次发布：Oct 17 202。
【数据内容】
源站描述（机器翻译，仅供参考）：空间表观基因组学和多组学可提供对细胞状态的细粒度见解，但广泛应用受限于每种数据模态都需要定制载玻片和捕获化学。在此，我们开发了一种方法（SPACE-seq），使用带有聚腺嘌呤接头的转座体生成带 polyA 尾的表观基因组文库，从而能够使用标准全转录组试剂便捷地进行空间表观基因组学和多组学分析。将 SPACE-seq 应用于一例人胶质母细胞瘤标本，定义了肿瘤内不同亚群的空间定位和可及染色质，以及推定的线粒体 DNA 变异。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：GPL18573、9606。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE279771
【使用注意】
· 源站最后修改于 Apr 24 202，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE279771
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
空间表观基因组学和多组学能够提供对细胞状态的精细洞察，但其广泛应用受限于每种数据模态都需要定制载玻片和捕获化学试剂。在此，我们开发了一种方法（SPACE-seq），利用带有聚腺嘌呤接头的转座体生成带polyA尾的表观基因组文库，从而使用标准全转录组试剂即可简便地实现空间表观基因组学和多组学分析。将SPACE-seq应用于人胶质母细胞瘤标本，可界定肿瘤内不同亚群的空间定位和可及染色质，以及推测的线粒体DNA变异。
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。
