AURORA 组织学图像虚拟空间转录组预测集

医疗健康
0 下载
2 浏览
2026-10-14

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。

基本信息

记录数量未知
文件大小5.95 TB
文件格式HDF5, PTH, JSON, CSV
数据来源AURORA
压缩方式Zstandard(级别 9)
存储类型uint8
许可协议penn-license
总文件体积5.95 TB
上月下载量659 次
数据落地页https://huggingface.co/datasets/AURORAData/AURORA_prediction
发布日期2026-10-14
空间转录组计算病理学虚拟基因表达预测组织学图像细胞类型比例

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费