用于ProjecTILs注释的人类癌症相关成纤维细胞参考图谱
该数据集是用于ProjecTILs注释的人类癌症相关成纤维细胞（CAF）参考图谱，从Gao等2024年发表于Cancer Cell的泛癌单细胞成纤维细胞图谱中提取成纤维细胞及相关群体构建而成
基本信息
资源简介
用于ProjecTILs注释的人类癌症相关成纤维细胞参考图谱
Reference map of human cancer-associated fibroblasts (CAFs) for ProjecTILs annotation
该数据集是用于ProjecTILs注释的人类癌症相关成纤维细胞（CAF）参考图谱，从Gao等2024年发表于Cancer Cell的泛癌单细胞成纤维细胞图谱中提取成纤维细胞及相关群体构建而成。源图谱整合了已发表及内部单细胞RNA-seq数据集，涵盖11种组织、517个样本，覆盖健康与病理状态。本数据集从中手动选取覆盖这11种组织的样本子集，以兼顾生物学代表性和组织间成纤维细胞数量均衡，细胞在Seurat中处理并计算QC指标但未自动过滤。数据以单个RDS文件提供，可用于CAF注释与肿瘤微环境研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2025-11-04。
【数据内容】
源站描述（机器翻译，仅供参考）：该CAF图谱是通过从泛癌单细胞成纤维细胞图谱（Gao等，Cancer Cell，2024；DOI：10.1016/j.ccell.2024.07.007）中提取成纤维细胞及成纤维细胞相关群体而生成的。源图谱汇编了先前发表的和内部的单细胞RNA-seq数据集，包含517个样本，覆盖11种组织（乳腺、结肠、皮肤、肺、肾、胰腺、肝、卵巢、胃、头颈和滑膜），涵盖健康与病理状态。从该资源中，我们手动选取了覆盖这11种组织类型的样本子集，以确保广泛的生物学代表性，并使各组织和条件下的成纤维细胞数量大致均衡。细胞在Seurat中处理，计算QC指标（UMI计数、检测基因数、线粒体和核糖体含量）而未进行自动过滤。我们利用了原研究的成纤维细胞聚类注释
【数据结构与技术规格】
文件数 1 个，合计 360.91 MB。数据集 DOI：10.6084/m9.figshare.30529904.v1。
【主题与分类】
源站学科分类：Bioinformatic methods development、Genomics and transcriptomics、Tumour immunology。主题标签：Single-cell RNA sequencing data、Cancer-associated fibroblast cells、tumor microenvironment、reference map。本站分类：肿瘤。
【适用方向】
源站学科分类标注为 Bioinformatic methods development、Genomics and transcriptomics、Tumour immunology。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Reference_map_of_human_cancer-associated_fibroblasts_CAFs_for_ProjecTILs_annotation/30529904
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Burgos Ruiz, Ana Maria; Andreatta, Massimo; Carmona, Santiago (2025). Reference map of human cancer-associated fibroblasts (CAFs) for ProjecTILs annotation. 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.30529904
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 360.9 MB。
数据说明
该CAF图谱是通过从泛癌单细胞成纤维细胞图谱（Gao等，Cancer Cell，2024；DOI: 10.1016/j.ccell.2024.07.007）中提取成纤维细胞及成纤维细胞相关群体而生成的。源图谱汇编了既往发表及内部的单细胞RNA测序数据集，包含来自11种组织（乳腺、结肠、皮肤、肺、肾、胰腺、肝、卵巢、胃、头颈和滑膜）的517个样本，涵盖健康和病理状态。从该资源中，我们手动选取了覆盖这11种组织类型的样本子集，以确保广泛的生物学代表性，并使各组织和条件下的成纤维细胞数量大致均衡。细胞在Seurat中处理，计算质控指标（UMI计数、检测基因数、线粒体和核糖体含量），未进行自动过滤。我们利用原研究的成纤维细胞聚类注释作为初始参考，并通过使用STACAS结合精选基因黑名单进行迭代半监督整合来优化这些注释。首次整合后，对新生成的聚类进行同质性评估（纯度阈值>75%）。
不一致或受污染的细胞簇，以及增殖细胞，均已被移除。最终清洗后的数据集经过下采样处理，以确保成纤维细胞各状态间的代表性均衡，并被转换为与ProjecTILs兼容的参考图谱。
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。
