新皮层第4层神经元对阿尔茨海默病抗性的分子特征

数据集获取

源站：https://doi.org/10.25740/vg298zy4449

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

我们使用10x Genomics Xenium空间平台，在单细胞分辨率下对标注的神经元细胞亚型进行了定位。总共分析了16个人脑切片——8个来自布罗德曼9区（BA9），8个来自BA17区——包括来自4名具有高度阿尔茨海默病（AD）病理改变的供体和4名对照供体的样本。使用冷冻切片机将新鲜冷冻脑切片切成10 µm厚度，并安装在四个Xenium载片的基准框内。使用预设计的266基因Xenium人类脑基因表达面板进行空间转录组分析，并补充了一个定制的100基因面板。数据预处理遵循使用Xenium Ranger的标准流程。细胞分割使用多模态分割算法进行，优先考虑内部RNA染色（核糖体RNA）以定义细胞边界，随后进行5 µm各向同性细胞核（DAPI）扩展。

细胞类型和神经元亚型注释通过以下方法的组合进行：基于k近邻图的手动整理、Leiden聚类和经典标记基因；使用自定义Python脚本进行启发式分类，根据表达量最高的转录本分配细胞类型；使用spatialID进行深度神经网络（DNN）分类，在SEA-AD DLPFC数据集上训练；以及基于我们的snRNA seq数据（BA9、BA17）进行基于ingest的标签转移。该存储库作为所有16个已分析脑组织样本生成的大型原始仪器输出和空间结构文件的主要归档存储。此目录中组织的数据包括：1. 映射物理组织结构（xenium ranger重新分割后的morphology.ome.tif）的全分辨率显微镜成像数据 2. 完整的Xenium Ranger捆绑目录和输出结构，包括辅助文件夹、实验清单和目标基因面板指标（analysis目录、aux_outputs目录、cell_feature_matrix目录、cell_feature_matrix.h5、cell_feature_matrix.zarr.zip、

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。