复杂组织中高通量单细胞RNA测序平台的性能比较

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE229765

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

单细胞转录组学已成为通过分析基因表达特征来定义细胞身份的首选工具。然而，针对不同scRNAseq系统在复杂组织中的性能进行全面比较的研究仍有限。在此，我们对三种成熟的高通量3’-scRNAseq平台——Drop-seq、10x Chromium和BD Rhapsody——进行了系统性比较，所用样本为呈现高度细胞多样性的肿瘤。我们的实验设计包含了同一肿瘤的新鲜样本和人工损伤样本，这也为在挑战性条件下评估其性能提供了可比数据集。本研究中使用的性能指标包括基因灵敏度、线粒体含量、重复性、聚类能力、细胞类型代表性及环境RNA污染。这些分析表明，BD Rhapsody和10x Chromium的基因灵敏度相似，但均高于Drop-seq，而BD Rhapsody的线粒体含量最高。

有趣的是，我们发现不同平台间存在细胞类型检测偏差，包括BD Rhapsody中内皮细胞和肌成纤维细胞比例较低，以及10x Chromium对粒细胞基因敏感性较低。此外，板式和液滴式平台的环境噪声来源也不同。总之，我们在研究实验设计中选择scRNAseq方法时，应考虑所报告的平台差异性能。

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。