跨时间、个体与批次的多模态单细胞整合数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE305370

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

在过去十年里，单细胞基因组学的出现使得在单个细胞中测量DNA、RNA和蛋白质成为可能。这些技术使我们能够以前所未有的规模和分辨率研究生物学。其成果包括早期人类胚胎发育的详细图谱、发现新的疾病相关细胞类型以及细胞靶向治疗干预。此外，随着实验技术的最新进展，现在可以在同一细胞中测量多种基因组模态。尽管多模态单细胞数据日益普及，但数据分析方法仍然稀缺。由于单个细胞体积小，测量结果稀疏且噪声大。细胞之间分子采样深度的差异（测序深度）以及批量处理细胞带来的技术效应（批次效应）往往会掩盖生物学差异。在分析多模态数据时，必须考虑不同的特征空间，以及模态之间和批次之间的共享和独特变异。

此外，当前的单细胞数据分析流程将细胞视为静态快照，即使背后存在动态的生物过程。在单细胞数据科学中，考虑时间动态以及随时间变化的状态变化是一个未解决的挑战。通常，遗传信息从DNA流向RNA再流向蛋白质。DNA必须可访问（ATAC数据）才能产生RNA（GEX数据），而RNA反过来作为模板产生蛋白质（ADT数据）。这些过程受到反馈调节：例如，蛋白质可能结合DNA以阻止更多RNA的产生。这种遗传调控是动态细胞过程的基础，使得生物体能够发育并适应不断变化的环境。在单细胞数据科学中，动态过程已通过所谓的伪时间算法进行建模，这些算法捕捉了生物过程的进展。然而，将这些算法推广以同时考虑伪时间

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。