单细胞RNA测序数据细胞周期阶段预测的深度学习模型

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE293316

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

准确预测细胞周期时相对于减轻单细胞RNA测序（scRNA-seq）分析中的混杂效应，以及理解某些疾病（如癌症）如何发生和对治疗产生应答至关重要。我们评估了传统机器学习方法（AdaBoost、随机森林、LightGBM）和深度学习方法（DNN3、DNN5、CNN、混合模型、集成模型）在基于scRNA-seq数据进行细胞周期时相预测中的表现。模型训练所使用的共识时相标签，来源于四种成熟工具（CellCycleScore、ccAFv2、Revelio和Tricycle）在代表不同生物学背景的单细胞基因表达数据集上的应用，这些数据集包括人白血病细胞系（REH）、外周血单核细胞（10× PBMC）、人多能干细胞及其分化衍生物（GSE75748）、10 k胚胎小鼠脑细胞以及小鼠造血干细胞和祖细胞（GSE81682）。性能在三个独立数据集上进行评估：人胚胎干细胞（GSE64016；247个细胞）、人骨肉瘤细胞（GSE146773；1152个细胞）和小鼠胚胎干细胞（E-MTAB-2805；288个细胞），所有这些数据集均具有经实验验证的标签。

REH训练的模型展现出强大的跨数据集性能，在GSE146773上达到了74.35%的准确率（前3决策融合(DF)和分数融合(SF)），在GSE64016上达到72.9%，同时在跨物种Buettner mESC基准测试中获得了56.9%的准确率。SHapley Additive exPlanations (SHAP)分析证实了特征中细胞周期相关基因集的富集。值得注意的是，基于细胞周期标志物回收率较低的样本训练的模型表现较差。这些结果突显了深度学习在从scRNA-seq数据进行稳健、可扩展的细胞周期阶段预测方面的优势。

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。