AURORA 组织学图像虚拟空间转录组预测集
数据集简介
项目与数据内容
AURORA 聚焦计算病理学与空间转录组学的交叉方向,目标是在只有常规组织学切片的条件下,虚拟预测空间转录组信息,包括基因表达谱与细胞类型比例。本条目对应其公开的预测成果集:既包含 LUAD、KIRC、BRCA 三个预训练模型,也包含在 TCGA-LUAD、TCGA-KIRC、TCGA-BRCA 以及 BRCA 化疗前样本上生成的两档分辨率预测结果。
数据以 HDF5 数组承载空间坐标、基因表达与细胞类型比例,并附带模型权重文件、模型参数 JSON 以及细胞类型、基因名和归一化等支持信息 CSV,形成从模型到预测结果的完整配套。
预训练模型
trained_models 目录提供 AURORA 在 LUAD、KIRC、BRCA 三个癌种上的预训练模型。文件类型分工如下:
*.pth:模型权重;*.json:AURORA 模型的参数配置;*.csv:辅助信息,包括细胞类型、基因名与归一化相关数据。
使用者可加载对应癌种的权重与参数,直接复现或迁移到新的组织学图像预测任务。
112 μm 预测结果
predictions_112um 目录存放 112 μm 分辨率下的虚拟空间转录组预测。每个 patch 的输出包括预测基因表达与量化细胞类型比例,并以 HDF5 数组形式组织。文件采用 spatial_gene_delta 布局与 Zstandard 压缩(压缩级别 9),以 uint8 存储、按通道最大值解码,从而在控制体积的同时保留可还原的数值范围。
关键字段包括:
genes、cell_types、resolutions:基因名、细胞类型与分辨率索引;exp_pred_<patch_size>、prop_pred_<patch_size>:各 patch 的预测表达与细胞类型比例;patch_loc_<patch_size>:patch 的空间位置;exp_max_<patch_size>、prop_max_<patch_size>:解码所需的通道最大值;patch_sizes:可用 patch 尺寸列表。
7/28 μm 高分辨率预测结果
predictions_7um_28um 目录提供 7 μm 与 28 μm 两档更高分辨率的预测,字段组织与 112 μm 结果一致,同样按 patch 给出预测基因表达和细胞类型比例,并保留空间坐标与解码所需的最大值信息。高分辨率结果适合需要更细空间粒度的分析场景,可与 112 μm 结果配合使用。
加载与读取方式
112 μm 预测可直接按 HDF5 数据集读取:先根据 patch_sizes 选择 patch 尺寸,再读取对应的 exp_pred_*、prop_pred_*、patch_loc_* 与 exp_max_*、prop_max_*,按通道最大值将 uint8 数值还原为表达量或比例。
28/7 μm 高分辨率预测采用相同的字段命名规则与压缩方式,读取流程与 112 μm 一致,只需切换目录与 patch 尺寸后缀。所有 HDF5 文件均使用 Zstandard 压缩(压缩级别 9),读取时需确保运行环境支持该压缩过滤器。
规模、许可与引用
该预测集总文件体积 5.95 TB,上月下载 659 次,采用 penn-license 许可,公开数据集页面可直接下载。使用时请引用 AURORA 项目:Architecture Unveiling through RNA Omics and Routine Histology Analysis。