HT29 参考数据集
HT29 参考数据集由 Francesco Iorio 于 2022 年 9 月发布，来源为 doi.org，共包含 9 个文件，涵盖原始计数、组装计数、归一化与倍数变化、低水平质控、高水平质控统计以及示例用户筛选结果等中间预处理层级
基本信息
资源简介
HT29 参考数据集
HT29 reference dataset
HT29 参考数据集由 Francesco Iorio 于 2022 年 9 月发布，来源为 doi.org，共包含 9 个文件，涵盖原始计数、组装计数、归一化与倍数变化、低水平质控、高水平质控统计以及示例用户筛选结果等中间预处理层级。该数据集基于 HT-29 人结肠癌细胞系，使用 Sanger 全基因组敲除 CRISPR 文库进行多批次筛选，并配套 R 包与指标，可用于评估新型实验流程，生成最终质控报告，作为 CRISPR-Cas9 隐性筛选的基准工具包（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
项目资助方：This work was partially funded by Open Targets (OTAR015)。源站首次发布：2022-09-12。
【数据内容】
源站描述（机器翻译，仅供参考）：我们提供一个数据集（可通过专用 R 包和指标使用），用于在 HT-29 人结肠癌细胞系执行单次校准活力筛选后，评估新型实验流程，实验设置如 [1] 所述，采用市售全基因组单向导 RNA 文库：Human Improved Genome-wide Knockout CRISPR (Sanger) Library [2]。该数据集包含使用 Sanger 文库在多个批次中筛选 HT-29 的结果，处于多个中间预处理层级，以及所得数据的若干质量控制测试结果。数据和随附的 R 包可用作基准测试新建立的 CRISPR-Cas9 隐性筛选实验流程的工具包，通过生成最终质量控制报告实现。R 包可在 获取。
【数据结构与技术规格】
文件数 9 个，合计 142.78 MB。数据集 DOI：10.6084/m9.figshare.20480544.v1。
【主题与分类】
源站学科分类：Cancer cell biology、Cancer genetics。主题标签：CRISPR gene editing technology、benchmark datasets、assessment criteria、R package copula、Cancer Cell Biology、Cancer Genetics。本站分类：肿瘤/白血病。
【适用方向】
源站学科分类标注为 Cancer cell biology、Cancer genetics。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/HT29_reference_dataset/20480544
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Iorio, Francesco (2022). HT29 reference dataset. figshare. Dataset
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/10.6084/m9.figshare.20480544.v1
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 142.8 MB。
数据说明
我们提供了一个数据集（可通过专用的R包和指标使用），用于在HT-29人结肠癌细胞系进行单次校准活力筛选后，评估新型实验流程，实验设置如文献[1]所述，采用市售的全基因组单向导RNA文库：人类改良全基因组敲除CRISPR（Sanger）文库[2]。该数据集包含使用Sanger文库在多个批次中对HT-29进行筛选的结果，处于多个中间预处理水平，以及所得数据的若干质量控制测试结果。数据和随附的R包可作为工具包，通过生成最终质量控制报告，用于对CRISPR-Cas9隐性筛选新建立的实验流程进行基准测试。R包可在https://github.com/DepMap-Analytics/HT29benchmark获取。参考文献：[1] Behan FM, Iorio F, Picco G, et al. Prioritization of cancer therapeutic targets using CRISPR-Cas9 screens . Nature . 2019 Apr;568(7753):511-516. doi: 10.1038/s41586-019-1103-9. Epub 2019 Apr 10. [2] Tzelepis K, Koike-Yusa H, et al.
一项CRISPR敲除筛选鉴定出急性髓系白血病的遗传脆弱性和治疗靶点。Cell Rep。2016年10月18日；17(4)：1193-1205。doi：10.1016/j.celrep.2016.09.079。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
