Thor平台：空间转录组与组织学的细胞级研究[膀胱癌]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE300692

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

空间转录组学将基因表达与组织形态学联系起来，然而现有工具往往侧重于基因组分析，缺乏整合的图像解读。为解决这一问题，我们推出了Thor，一个用于空间转录组学和 histological 图像细胞水平分析的综合性平台。Thor采用抗收缩马尔可夫扩散方法从spot级数据推断单细胞空间转录组，有效结合了基因表达与细胞形态。该平台包含10个用于基因组和图像分析的模块化工具，并与Mjolnir配对，后者是一个用于交互式探索千兆像素图像的基于网络的界面。Thor在模拟数据和多个空间平台（ISH、MERFISH、Xenium、Stereo-seq）上得到验证。Thor识别心力衰竭中的再生特征，无偏筛选乳腺癌标志物，解析小鼠嗅球中的精细层次，并注释纤维化心脏组织。在高分辨率Visium HD数据中，它增强了与组织学对齐的空间基因模式。通过桥接转录组学和组织学分析，Thor实现了空间生物学中的整体组织解读。

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。