基于注意力框架的空间转录组细胞互作解读数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE351148

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

空间转录组数据使细胞间通讯研究成为可能，但现有工具缺乏动态、可解释的估计以及相互作用的空间范围。我们提出AMICI，一种可解释的注意力框架，能够估计有效的成对相互作用半径、解析发送者-接收者亚群，并将通讯与基因程序关联。AMICI在半合成数据中恢复了真实相互作用，在小鼠皮层中揭示了通讯程序，并在乳腺癌中发现了与ER程序相关的肿瘤-免疫关联。为检验AMICI能否超越肿瘤微环境，推广至具有明确多细胞组织特征且采用不同空间技术分析的组织，我们将AMICI应用于本投稿中提供的人扁桃体空间转录组数据集（采用CosMx Spatial Molecular Imager，1,000基因面板分析）。AMICI恢复了一个与已知淋巴解剖结构一致的相互作用网络，包括生发中心（滤泡树突状细胞、GC B细胞、Tfh细胞）和成纤维细胞-CD4 T细胞区程序。

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。