HESRT 人工复核空间组学样本集
数据集简介
从 3.2 MB 的样本包开始
HESRT 的每个样本都以独立压缩包形式存放,单个样本包约 3.2 MB 起,便于按需取用。整份集合压缩后合计 413.94 GB,解压后的成员数据约 647.72 GB,因此不建议克隆整个仓库来试用单个样本,而应直接定位目标 accession 下载对应包。
浏览与筛选
数据集提供可筛选的目录索引 catalog.parquet,其字段示例包括 gsm_id、tissue、technology、n_obs、archive_bytes、organism,可据此按样本编号、组织类型、空间技术、观测数量、压缩体积与物种进行检索。reviewed_catalog 配置为 4,468 行 × 96 列,studies 配置为 507 行,visual_preview 配置含 9 个示例,方便先预览再决定下载范围。
样本构成
集合共 4,468 个样本(GSM),来自 507 项研究(GSE),合计 37,054,005 条表达观测。每个纳入的样本包都有记录在案的人工视觉复核 PASS 结论,确保组织图像与表达数据在视觉层面经过核验。页面标注的规模区间为 1K–10K。
本体映射对齐
数据集附带保守的本体映射层,通过 *_ontology_status、*_ontology_match_type 等字段标识每个样本的本体映射状态与匹配类型,帮助使用者在跨研究整合时判断组织、技术等描述的标准化程度。
包内内容
每个 GSM....tar.zst 包为自包含结构,内含:
spatial.h5ad:空间表达矩阵wsi.tif:组织切片图像metadata.json与metadata.normalized.json:原始与规范化元数据provenance.json:来源溯源信息review.json:人工复核记录alignment_qc.png与alignment_strict_qc.png:对齐质控图manifest:包内文件清单与校验信息
发布文件
发布文件包括各样本的 tar.zst 包、目录索引 catalog.parquet,以及 reviewed_catalog、studies、visual_preview 等配置。数据格式涵盖 tar.zst、h5ad、tif、json、png、parquet。数据集于 2026-09-17 发布。
复用与引用
仓库公开可访问,但访问文件与内容需登录并同意共享 Hugging Face 信息。许可依来源而定(source-specific),复用时应回溯每个样本在 provenance.json 中记录的 GEO(GSE/GSM)来源并遵循其原始许可。数据集由 Biogod 项目发布,来源 accession 取自 GEO。