银沉积micro-CT对斑马鱼黑色素的全生物体三维定量表征
富含黑色素的斑马鱼黑色素细胞被用于研究色素发育、人类肤色以及作为大规模筛选表型。为促进对黑色素含量和形态进行更详细的全身体计算分析,我们将X射线显微断层扫描(micro-CT)——一种非破坏性、全容积成像模态——与离子银染的新应用相结合,以表征整条斑马鱼幼鱼中的黑色素分布

基本信息
资源简介
银沉积micro-CT对斑马鱼黑色素的全生物体三维定量表征
该数据集围绕富含黑色素的斑马鱼黑色素细胞展开,这类细胞被用于研究色素发育、人类肤色以及作为大规模筛选表型。为促进对黑色素含量和形态进行更详细的全身体计算分析,相关工作将X射线显微断层扫描(micro-CT)——一种非破坏性、全容积成像模态——与离子银染的新应用相结合,以表征整条斑马鱼幼鱼中的黑色素分布。经归一化的银染斑马鱼micro-CT重建结果能够稳定复现光学显微镜下观察到的色素图案,并支持对野生型与突变体样本之间的黑色素含量进行直接定量比较,覆盖了此前未被描述的显著表型与细微表型。该数据集在站内归入肿瘤/皮肤癌分类,来源站为search.dataone.org。
【数据集背景】
黑色素细胞相关研究长期依赖光学显微镜观察色素图案,而黑色素含量与形态的全身体、三维计算分析需要一种非破坏性且能覆盖整个体积的成像手段。该数据集所对应的工作正是针对这一需求,将X射线显微断层扫描与离子银染结合,用于表征整条斑马鱼幼鱼中的黑色素分布,为特定细胞类型的全身三维计算表型分析提供了原理验证。
【数据内容】
数据集英文名称为Whole-organism 3D quantitative characterization of zebrafish melanin by silver deposition micro-CT。其内容涉及经离子银染的斑马鱼幼鱼的micro-CT成像结果,包括归一化的micro-CT重建,这些重建结果复现了光学显微镜下可见的色素图案,并可用于野生型与突变体样本之间黑色素含量的定量比较。源站未提供样本数量、文件格式、数据体量等更细的条目信息。
【采集与来源】
数据来源于search.dataone.org。采集方式为将X射线显微断层扫描(micro-CT)与离子银染的新应用相结合:以离子银染标记黑色素,再以非破坏性、全容积的micro-CT进行成像,从而获得整条斑马鱼幼鱼体内的黑色素分布信息。
【适用场景】
适用于色素发育研究、人类肤色相关研究,以及作为大规模筛选表型的分析场景;也适用于对黑色素含量和形态开展更详细的全身体计算分析,并支持野生型与突变体之间黑色素含量的直接定量比较,包括显著表型与细微表型。
【使用方法】
源站未提供。
【质量与限制】
经归一化的银染斑马鱼micro-CT重建结果能够稳定复现光学显微镜下观察到的色素图案,这是该数据可用于定量比较的基础。除此之外,源站未提供关于数据质量评估、覆盖范围或使用限制的其他信息。
【引用与许可】
源站未提供。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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
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:
数据说明
富含黑色素的斑马鱼黑色素细胞被用于研究色素发育、人类肤色,并作为一种大规模筛选表型。为促进对黑色素含量和形态进行更详细的全身体计算分析,我们将X射线显微断层扫描(micro-CT)——一种非破坏性的全容积成像模态——与离子银染的新应用相结合,以表征整条斑马鱼幼体中的黑色素分布。经银染的鱼体的归一化micro-CT重建结果一致地再现了光学显微镜下所见的色素模式,并使得能够在野生型和突变体样本之间对黑色素含量进行直接的定量比较,涵盖此前未描述过的显著和细微表型。将黑色素银染用于micro-CT,为在细胞分辨率下对特定细胞类型进行全身体三维计算表型组学分析提供了原理验证,并有望应用于其他模式生物和人类黑色素瘤活检。全生物体高分辨率表型分析是一项具有挑战性的理想目标,但为突变、疾病和环境影响的功能研究提供了优越的背景。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




