STHELAR是一个多组织数据集,将空间转录学和细胞类型注释的组织学联系起来
相关实验视频
Updated: Mar 14, 2026
10:16
Mining Spatial Transcriptomics Datasets using DeepSpaceDB
Published on: September 5, 2025
965
Félicie Giraud-Sauveur1,2, Quentin Blampey3,4, Hakim Benkirane3,4
1Paris-Saclay University, CentraleSupelec, Laboratory of Mathematics and Computer Science (MICS), Gif-sur-Yvette, France. felicie.giraud-sauveur@centralesupelec.fr.
Scientific data
|March 13, 2026
概括
这项研究介绍了STHELAR,这是一个大型数据集,整合了用于癌症研究的空间转录学和组织学图像. 它可以从标准组织图像中预测细胞类型,推进瘤微环境分析.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 瘤微环境分析对于癌症研究至关重要.
- 空间转录组学为组织结构和细胞异质性提供了洞察力.
- 空间转录学的高成本和复杂性限制了其广泛采用.
研究的目的:
- 开发STHELAR,一个大规模的数据集,整合空间转录学和血素和 (H&E) 全片图像.
- 为了促进瘤微环境中的细胞类型注释.
- 从组织学图像直接预测细胞类型的模型的开发.
主要方法:
- 综合空间转录学数据与H&E全幻灯片图像,用于16种组织类型的31个人类Xenium FFPE截面.
- 利用基于Tangram的对齐方式对单细胞参考地图进行单细胞类型注释.
- 执行了幻灯片特定的集群,差异表达式分析,并使用细分面具提取了超过50万个图像补丁.
主要成果:
- 创建了STHELAR,一个数据集,包含超过1100万个细胞,被分配到十个精选的细胞类型类别,用于泛癌设置.
- 成功地将H&E图像与空间转录组学数据共同注册.
- 实施质量控制步骤以确保注释完整性和细分准确性.
结论:
- STHELAR作为计算病理学和癌症研究的宝贵参考资源.
- 该数据集支持机器学习模型的开发,用于从H&E图像中预测细胞类型.
- 这种方法旨在通过利用易于获得的组织学数据来克服空间转录学的局限性.
