CellFuse：单细胞与空间蛋白质组学数据多模态整合用于癌症系统级分析
该数据集来自 zenodo.org，是 CellFuse 论文的可复现仓库，包含代码与数据，用于重现论文图表。内容聚焦骨髓样本的单细胞与空间蛋白质组学数据多模态整合，提供数据准备、CellFuse 运行、Harmony、Seurat、FastMNN、scanorama、scVI 等基准方法运行、sc
基本信息
资源简介
CellFuse：单细胞与空间蛋白质组学数据多模态整合用于癌症系统级分析
CellFuse enables Multi-modal Integration of Single-cell and Spatial Proteomics Data for Systems-level Analysis in Cancer
该数据集来自 zenodo.org，是 CellFuse 论文的可复现仓库，包含代码与数据，用于重现论文图表。内容聚焦骨髓样本的单细胞与空间蛋白质组学数据多模态整合，提供数据准备、CellFuse 运行、Harmony、Seurat、FastMNN、scanorama、scVI 等基准方法运行、scIB 评估及 tSNE 可视化的脚本。适用于癌症系统级分析中多模态整合方法的复现与比较研究（来源 Zenodo，cc-by-4.0 许可）。
【数据集背景】
项目资助方：R01。源站首次发布：2025-12-29。
【数据结构与技术规格】
文件数 1 个，合计 6.75 GB。数据集 DOI：10.5281/zenodo.18088974。
【主题与分类】
主题标签：单细胞蛋白质组学、空间蛋白质组学、多模态整合、癌症系统级分析、骨髓、CellFuse、基准测试。本站分类：肿瘤。
【获取与许可】
源站页面：https://zenodo.org/records/18088974
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2026-06-17，引用时请注意版本时效。
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（Zenodo 公开直链）
curl -L -o "CellFuse_manuscript_reproduce.zip" "https://zenodo.org/api/records/18088974/files/CellFuse_manuscript_reproduce.zip/content"
文件清单
CellFuse_manuscript_reproduce.zip（6433.4 MB）
数据集大小约 6.75 GB。
数据说明
Koladiya A, Good Z, Varra SR, Domizi P, Bendall SC, Davis KL. CellFuse实现单细胞与空间蛋白质组学数据的多模态整合，用于癌症的系统级分析。Cancer Research. 2026. DOI: 10.1158/0008-5472.CAN-25-3699. 本仓库包含用于复现CellFuse论文图表的代码和数据。首先从https://github.com/karadavis-lab/CellFuse安装CellFuse软件包，然后下载本仓库。
图2 骨髓（图2A、C、D、E、I，补充图1和2） Fig2/BM/Reference/ Fig2_BM_prepare_data.R：为CellFuse准备骨髓数据 Fig2/BM/ BM_CellFuse_Integration.R：运行CellFuse Fig2/BM/BM_Running_Benchmark_Methods.R：运行基准测试方法（Harmony、Seurat、FastMNN） Fig2/BM/BM_scVI_scnorama.ipynb：运行scanorama和scVI Fig2/BM/BM_scIB.ipynb：使用scIB评估方法并保存结果 Fig2/BM/BM_Data_visualisation.R：tSNE可视化 Fig2/BM/Sequential_Feature_drop/Prepare_data.R：为评估顺序特征丢弃准备数据 Fig2/BM/Sequential_Feature_drop/ Run_FastMNN_Seurat_Harmony.R：为顺序特征丢弃运行CellFuse、Harmony、Seurat和FastMNN Fig2/BM/Sequential_Feature_drop/ BM_scVI_scnorama_feature_drop.ipynb：为顺序特征丢弃运行scVI和Scanorama Fig2/BM/Sequential_Feature_drop/ BM_scIB_feature_drop.ipynb：使用scIB评估特征丢弃方法并保存结果 Fig2/BM/Sequential_Feature_drop/ BM_scIB_Data_viz.R：可视化scIB结果 PBMC（图2B、F、G、H，补充图3和4） Fig2/PBMC/Reference/ Fig2_PBMC_prepare_data.R：为CellFuse准备PBMC数据 Fig2/ PBMC / PBMC_CellFuse_Integration.R：运行CellFuse Fig2/ P
本文件需要以下文件：a. cellfuse_run_measure.R b. fastmnn_run_measure.R c
许可
cc-by-4.0
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
