后脑类器官多组学图谱

该数据集为后脑类器官多组学图谱,包含配对的scRNA-seq与scATAC-seq数据,覆盖中脑和后脑类器官发育的时间进程,用于解析细胞组成及细胞类型成熟相关的调控机制

omicsdi
浏览 11
基因组分类Transcriptomics
Posterior brain organoids multi-omics atlas

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-11-05

资源简介

后脑类器官多组学图谱

该数据集为后脑类器官多组学图谱,包含配对的scRNA-seq与scATAC-seq数据,覆盖中脑和后脑类器官发育的时间进程,用于解析细胞组成及细胞类型成熟相关的调控机制。数据涵盖3个人iPSC系、2种已建立方案、从第7天到第120天的5个时间点,可覆盖底板、背侧与腹侧中脑、小脑及后脑其他区域。该数据可用于与发育中人脑参考图谱及整合神经类器官细胞图谱比较,评估类器官细胞的基因调控结构对原代对应细胞的预测能力,并揭示现有类器官模型中代表性不足的区域(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):在此,我们生成了多组学(配对的scRNA-seq和scATAC-seq)数据,覆盖中脑和后脑类器官发育的时间进程,以绘制细胞组成图谱并探索细胞类型成熟背后的调控机制。该数据集包含来自3个人诱导多能干细胞(iPSC)系的第7天至第120天的5个时间点,使用2种先前建立的方案。这些方案分别差异性地生成腹侧和背侧细胞类型,共同覆盖底板、背侧和腹侧中脑、小脑以及后脑其他部分等区域。将数据与发育中人脑参考图谱及整合神经类器官细胞图谱进行比较,我们发现类器官细胞中的基因调控结构可预测原代对应细胞,并且多个区域在现有类器官模型中代表性不足。

【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-15659

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-15659

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

在此,我们生成了中脑和后脑类器官发育时间进程的多组学(耦合scRNA-seq和scATAC-seq)数据,以绘制细胞组成图谱并探索细胞类型成熟背后的调控机制。该数据集包含了来自3个人类诱导多能干细胞(iPSC)系的5个时间点,从第7天到第120天,采用2种先前建立的协议。这些协议分别差异化生成腹侧和背侧细胞类型,共同覆盖了底板、背侧和腹侧中脑、小脑以及后脑的其他部分等区域。将数据与发育中的人脑参考图谱及整合的神经类器官细胞图谱进行比较,我们发现类器官细胞中的基因调控结构能够预测其原生对应物,并且现有类器官模型中多个区域代表性不足。

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。