乳腺癌特异性CIBERSORTx特征矩阵及参考资源
主题标签：乳腺癌、CIBERSORTx、特征矩阵、数字细胞术、单细胞转录组、批量转录组、基准测试。本数据集为肿瘤领域公开数据集，由Zenodo提供，主题涵盖乳腺癌。
基本信息
资源简介
乳腺癌特异性CIBERSORTx特征矩阵及参考资源
该数据集为乳腺癌特异的 CIBERSORTx 特征矩阵及其配套参考资源，涵盖 major、minor、subset 三个分辨率层级，并包含用于数字细胞术基准测试的相关数据集。数据集由 Toru Hanamura 与 Akinori Takase 创建，联系邮箱为 hanamura.toru.w@tokai.ac.jp，版本 1.0，发布日期为 2025 年 12 月 2 日，托管于 Zenodo，采用 Creative Commons Attribution 4.0 International 许可。所有数据以机器可读的制表符分隔文本文件（.txt）形式提供，未使用专有格式，每个文件与手稿正文及补充材料中所呈现分析所用数据一一对应。该资源面向肿瘤学中的乳腺癌研究，主题涉及 CIBERSORTx、特征矩阵、数字细胞术、单细胞转录组、批量转录组与基准测试，可供相关研究人员公开获取与复用。
【数据集背景】
该数据集服务于一项多分辨率、面向乳腺癌优化的 CIBERSORTx 参考矩阵构建与验证工作，相关手稿标题为“A multi-resolution, breast cancer–optimized CIBERSORTx reference matrix rigorously validated using single-cell and bulk transcriptomes”。其核心目标是为数字细胞术在乳腺癌场景下的应用提供特异性的特征矩阵，并配套提供用于严格验证的基准测试数据。数据集覆盖 major、minor、subset 三个层级，体现了多分辨率的组织方式，便于在不同粒度上开展细胞组成解析与方法学评估。
【数据内容】
数据集英文名称为“Breast cancer–specific CIBERSORTx signature matrices (major, minor, subset levels) and associated reference resources”。内容主体为乳腺癌特异的 CIBERSORTx 特征矩阵，按 major、minor、subset 三个层级组织，并包含相关参考资源以及用于基准测试的数据集。所有文件均为制表符分隔的文本文件（.txt），属于机器可读格式，未采用任何专有格式。每个文件与手稿及其补充材料中分析所使用的数据精确对应，便于研究者复现与核对。
【采集与来源】
数据集来源站为 doi.org，托管机构为 Zenodo，作者为 HANAMURA, TORU，发布时间为 2025 年。源站描述中列出的作者为 Toru Hanamura 与 Akinori Takase，联系邮箱为 hanamura.toru.w@tokai.ac.jp。关于样本采集的具体流程、队列来源与实验设计细节，源站未提供。
【适用场景】
该数据集适用于乳腺癌相关的数字细胞术研究，尤其是基于 CIBERSORTx 的细胞组成解析与参考矩阵评估。其多分辨率特征矩阵可用于不同粒度下的分析需求；配套的基准测试数据可用于方法学验证与性能比较。主题标签涵盖乳腺癌、CIBERSORTx、特征矩阵、数字细胞术、单细胞转录组、批量转录组与基准测试，表明其可服务于单细胞与批量转录组数据的相关分析场景。
【使用方法】
数据以制表符分隔的文本文件提供，可直接以常规文本处理或统计分析工具读取，无需专有软件。每个文件与手稿及补充材料中的分析数据一一对应，使用者可依据手稿所述分析流程对相应文件进行读取与复用。关于具体文件命名、字段含义与矩阵维度等细节，源站未提供。
【质量与限制】
数据集声明其文件与手稿及补充材料中呈现的分析所用数据精确对应，且全部采用机器可读的非专有格式，有利于复现与互操作。关于数据规模、样本量、验证指标的具体数值以及潜在偏差等质量层面的量化信息，源站未提供。
【引用与许可】
数据集采用 Creative Commons Attribution 4.0 International 许可，使用时需按要求署名。作者为 HANAMURA, TORU，源站描述中列出的作者为 Toru Hanamura 与 Akinori Takase，联系邮箱为 hanamura.toru.w@tokai.ac.jp，托管于 Zenodo，版本 1.0，发布日期为 2025 年 12 月 2 日。关于具体引用格式与文献出处，源站未提供。
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://doi.org/10.5281/zenodo.17788679
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:
数据集大小约 452.8 MB。
数据说明
标题：乳腺癌特异性特征矩阵及用于数字细胞术的基准数据集版本：1.0日期：2025-12-02作者：[Toru Hanamura, Akinori Takase]联系方式：[hanamura.toru.w@tokai.ac.jp] --------------------------------------------------------------------------------概述--------------------------------------------------------------------------------本仓库包含为构建和基准测试手稿中所述乳腺癌特异性特征矩阵而生成的所有数据集：“[一种多分辨率、针对乳腺癌优化的CIBERSORTx参考矩阵，并使用单细胞和批量转录组进行了严格验证]”所有数据均以机器可读的制表符分隔文本文件（.txt）提供。未使用专有格式。每个文件与手稿及补充材料中所呈现分析中使用的数据完全对应。这些数据集包括：1. 伪批量基因表达谱2. 用于生成伪批量混合样本的真实细胞分数（来自scRNA-seq）3. 纯细胞聚合基因表达谱（来自scRNA-seq）4. 最终特征矩阵（主要、次要和子集分辨率）5.
用于CIBERSORTx6中S模式批次校正的参考图谱。用于CIBERSORTx中B模式批次校正的源基因表达图谱。每个数据集均提供三种注释分辨率：- major（主要）- minor（次要）- subset（子集） 各文件类型的结构与内容记录如下。 --------------------------------------------------------------------------------文件列表与说明-------------------------------------------------------------------------------- 所有文件均为制表符分隔（.txt）。 ====================================1. 伪批量数据==================================== ### 1-1. 伪批量表达矩阵 这些文件包含基因水平的伪批量表达图谱，系通过聚合具有已知细胞类型比例的scRNA-seq数据而创建。 - pseudobulk_mixture_major.txt- pseudo
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
