单细胞分辨率下人类半引导类器官与孕早期胚胎中成簇原钙黏蛋白普查
该数据集来自 NCBI GEO（GSE277686），聚焦人类半引导类器官与孕早期胚胎中成簇原钙黏蛋白的表达普查。研究利用 5' scRNA-seq 捕获成簇原钙黏蛋白家族各成员的特异区域，结合 scATAC-seq 刻画基因座染色质结构，并借助 3' scRNA-seq 数据以细胞条形码为锚点整合
基本信息
资源简介
单细胞分辨率下人类半引导类器官与孕早期胚胎中成簇原钙黏蛋白普查
Census of clustered protocaherins in human semi-guided organoids and 1st trimester embryo at single-cell resolution
该数据集来自 NCBI GEO（GSE277686），聚焦人类半引导类器官与孕早期胚胎中成簇原钙黏蛋白的表达普查。研究利用 5' scRNA-seq 捕获成簇原钙黏蛋白家族各成员的特异区域，结合 scATAC-seq 刻画基因座染色质结构，并借助 3' scRNA-seq 数据以细胞条形码为锚点整合多组学数据。数据可用于研究成簇原钙黏蛋白表达模式的细胞类型特异性及其在发育中的调控规则（来源 NCBI）。
【数据集背景】
源站首次发布：Sep 20 202。
【数据内容】
源站描述（机器翻译，仅供参考）：成簇原钙黏蛋白是表达于神经元和其他脑细胞表面的细胞黏附蛋白。其表达模式的建立规则在发育过程中与成体细胞不同。目前尚不清楚这些规则如何确定，以及是否以细胞类型特异的方式遵循。本研究首次利用 5' scRNA-seq 在单细胞分辨率下对 hiPSC 来源类器官中的成簇原钙黏蛋白进行普查，以捕获成簇原钙黏蛋白家族每个成员的不同区域，并利用 scATAC-seq 表征整个基因座的染色质结构。使用 3' scRNA-seq 数据集，通过合并 5' 和 3' 数据集并利用 3' 数据集中的细胞条形码作为 scATAC-seq 数据集的锚点（通过 3' scRNA/ATAC-seq 获得），来整合 5' scRNA-seq 和 scATAC-seq 数据集。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：GPL21697、9606。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE277686
【使用注意】
· 源站最后修改于 Sep 19 202，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE277686
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
簇状原钙黏蛋白是在神经元及其他脑细胞表面表达的细胞黏附蛋白。其表达模式的建立遵循的规则在发育过程中与成体细胞中不同。目前尚不清楚这些规则是如何确定的，以及是否以细胞类型特异性的方式被遵循。本研究首次以单细胞分辨率对hiPSC来源的类器官中的簇状原钙黏蛋白进行了普查，利用5’ scRNA-seq捕获簇状原钙黏蛋白家族每个成员的不同区域，并利用scATAC-seq表征整个基因座的染色质结构。使用3’ scRNA-seq数据集，通过合并5’和3’数据集，并利用3’数据集中的细胞条形码作为scATAC-seq数据集的锚点（该数据集通过3’ scRNA/ATAC-seq获得），将5’ scRNA-seq和scATAC-seq数据集进行整合。
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。
