人类胎儿肺高分辨率单细胞多组学图谱-类器官

该数据集来自 omicsdi.org,包含在胎儿肺尖端类器官中通过多西环素诱导构建过表达单个转录因子3天后的 scRNA-seq 数据,类器官全程维持于自我更新(促尖端细胞)培养基中以严格检测转录因子的谱系决定能力

omicsdi
浏览 5
其他分类Transcriptomics
A high-resolution single-cell multiomic atlas of the human fetal lung - Organoid

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-27

资源简介

人类胎儿肺高分辨率单细胞多组学图谱-类器官

该数据集来自 omicsdi.org,包含在胎儿肺尖端类器官中通过多西环素诱导构建过表达单个转录因子3天后的 scRNA-seq 数据,类器官全程维持于自我更新(促尖端细胞)培养基中以严格检测转录因子的谱系决定能力。选取 ASCL1、NEUROD1、NEUROG3 作为关键神经内分泌调控因子,并纳入 GHRL+ NE 特异性 RFX6、NKX2.2、泛 NE 的 PROX1 及对照基底细胞特异性转录因子 DeltaNTP63、TFAP2A、PAX9 和 mNeonGreen-3xNLS。数据可用于研究转录因子在胎儿肺类器官中的谱系决定功能与神经内分泌分化调控(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):在来自多西环素诱导构建体的胎儿肺尖端类器官中过表达单个转录因子3天,类器官全程维持于自我更新(促尖端细胞)培养基中,以严格检测转录因子的谱系决定能力,随后进行 scRNA-seq。选取 ASCL1、NEUROD1 和 NEUROG3 作为关键神经内分泌调控因子。我们还选取了 GHRL+ NE 特异性 RFX6 和 NKX2.2、泛 NE 的 PROX1,以及作为对照的基底细胞特异性转录因子 DeltaNTP63、TFAP2A、PAX9 和 mNeonGreen-3xNLS。

【主题与分类】

主题标签:Transcriptomics。本站分类:神经系统疾病。

【获取与许可】

源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-11267

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-11267

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

将单个转录因子(TF)通过多西环素诱导型构建体在胎儿肺尖端类器官中过表达3天,整个过程中类器官维持于自我更新(促进尖端细胞)培养基中,以严格检测该TF的谱系决定能力,随后进行scRNA-seq。ASCL1、NEUROD1和NEUROG3被选为关键神经内分泌调控因子。我们还选择了GHRL+ NE特异性的RFX6和NKX2.2、泛NE的PROX1,以及作为对照的基底细胞特异性TF DeltaNTP63、TFAP2A、PAX9和mNeonGreen-3xNLS。

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。

获取专属数据定制方案