T细胞受体与转录组的空间图谱

数据集获取

源站：https://cellxgene.cziscience.com/collections/02b01703-bf1b-48de-b99a-23bef8cccc81

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

该存储库包含我们手稿《空间映射T细胞受体与转录组》中的数据。T细胞通过其T细胞受体（TCRs）的特异性和多样性，介导针对疾病的抗原特异性免疫反应。确定组织中T细胞克隆型空间分布对于理解T细胞成熟和行为至关重要，但空间测序方法仍无法解析TCR库。在此，我们开发了Slide-TCR-seq，一种在完整组织内以10微米分辨率测序全转录组和TCR的方法。我们证实了Slide-TCR-seq能够映射小鼠脾脏中T细胞及其受体的特征性结构。在人类淋巴结和扁桃体中，我们识别出空间上不同的TCR库。对肾细胞癌和黑色素瘤样本中T细胞克隆型及其浸润的空间分析，揭示了克隆型间和克隆型内的转录异质性。我们的方法促进了对免疫微环境的剖析，为理解驱动跨疾病T细胞反应的T细胞克隆型、邻近细胞类型和基因表达之间的复杂空间关系提供了见解。

疾病：转移性黑色素瘤、正常、肾细胞癌。组织：肾、肺、淋巴结、脾、扁桃体。检测方法：Slide-seqV2。单细胞数据集（CZ CELLxGENE）。

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。