癌症单细胞转录图谱数据集

数据集获取

方式一：KaggleHub（Python，推荐 AI Agent 使用）

# 前置依赖: pip install kagglehub
import kagglehub

path = kagglehub.dataset_download("qasimhu/pan-cancer-scrna-seq-atlas")
print("数据已下载至:", path)

方式二：Kaggle CLI（命令行）

# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d qasimhu/pan-cancer-scrna-seq-atlas
unzip pan-cancer-scrna-seq-atlas.zip -d pan-cancer-scrna-seq-atlas/

数据集大小约 0.07 GB。

数据说明

该数据集包含 7,930 个单细胞的转录组表达数据，涵盖三种不同生物学状态：健康免疫基线、液体肿瘤（髓样白血病）以及实体肿瘤微环境（黑色素瘤），旨在构建一个跨队列整合的单细胞分析基准，为算法性能评估与方法学对比、多队列批次效应校正（Batch Correction）、免疫耗竭状态分析、跨肿瘤类型生物标志物挖掘提供基准。 数据集构成 : Cohort A：健康免疫基线（约 2,700 个细胞） 来源：10x Genomics PBMC3k 生物学背景：健康供体外周血单个核细胞（PBMCs），作为免疫稳态对照基线 作用：用于对比肿瘤相关免疫状态变化 Cohort B：液体肿瘤 / 髓样白血病（约 2,730 个细胞） 来源：Paul et al., 2015 生物学背景：髓样祖细胞及白血病相关细胞状态的单细胞转录组数据 作用：代表血液系统恶性肿瘤模型 Cohort C：实体肿瘤微环境（约 2,500 个细胞） 来源：Tumor Immune Cell Atlas (TICAtlas) 生物学背景：来源于黑色素瘤等实体瘤微环境中的免疫细胞与恶性细胞，包括耗竭 T 细胞、巨噬细胞及肿瘤细胞 作用：用于研究实体瘤免疫抑制与细胞异质性

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。

许可

CC BY 4.0