1. 文章

Deep learning of cross-species single-cell landscapes identifies conserved regulatory programs underlying cell types

10.1038/s41588-022-01197-7

https://www.nature.com/articles/s41588-022-01197-7

image.png

2. 官网

https://bis.zju.edu.cn/nvwa/index.html

image.png

2.1 Labels

https://bis.zju.edu.cn/nvwa/dataset.html

截屏2023-04-03 21.52.30.png

Dataset.Dmel_train_test.cells.csv
一个物种所有细胞的细胞名和细胞类型注释

Dataset.Dmel_train_test.genes.csv
一个物种所有细胞表达的所有基因和其作为Train, Valid 和 Test 数据集的分类

Dataset.Dmel_train_test.label.npz
一个物种所有细胞中所有基因的表达情况（二值化）

2.2 Datasets

https://bis.zju.edu.cn/nvwa/dataset.html

截屏2023-04-03 21.46.02.png

3. Dataset.Species_train_test.h5

以 Dataset.Dmel_train_test.h5 为案例进行讲解

Dataset.Dmel_train_test.h5 : 长度为11的列表

Dataset.Dmel_train_test

包含一个物种的所有细胞的细胞名和细胞类型类型注释

Train, Valid 和 Test 数据集中的所有基因的基因名和TSS上下10Kb的序列

Train, Valid 和 Test 数据集中的所有基因在所有细胞里的表达情况（二值化）

Dataset.Dmel_train_test[[1]]:
image.png

4 行 77337 列的矩阵或数组；77337 为果蝇数据中所有的细胞

第一行是细胞 Barcode；其余三行为物种名和两个细胞类型定义的层次下的细胞名称

Dataset.Dmel_train_test[[2]]:
kkkkkkkkkkkkkk.png

1 行 77337 列的数组(向量)；

其中的每个元素为一个细胞的 Barcode

test 基因数据集:

Dataset.Dmel_train_test[[3]]:
image.png

20000 x 4 x 1000 的数组，用来表示 1000 个基因的 TSS 上下游各 10Kb 的序列信息

用 One-Hot 方式编码而成，其中 1 用 True 表示，0 用 False 表示

Dataset.Dmel_train_test[[4]]:
image.png

1 x 1000 数组，Dataset.Dmel_train_test[[3]] 中所有基因的基因名

Dataset.Dmel_train_test[[5]]:
image.png

77337 x 1000 数组

表示 Dataset.Dmel_train_test[[3]] 中所有的基因在 77337 个细胞中的表达情况，用1和0来表示在所有细胞中的开闭情况

train 基因数据集:

Dataset.Dmel_train_test[[6]]:
image.png

20000 x 4 x 14227 的数组，用来表示 14227 个基因的 TSS 上下游各 10Kb 的序列信息

用 One-Hot 方式编码而成，其中 1 用 True 表示，0 用 False 表示

Dataset.Dmel_train_test[[7]]:
image.png

1 x 14227 数组，Dataset.Dmel_train_test[[6]] 中所有基因的基因名

Dataset.Dmel_train_test[[8]]:
image.png

77337 x 14227 数组

表示 Dataset.Dmel_train_test[[6]] 中所有的基因在 77337 个细胞中的表达情况，用1和0来表示在所有细胞中的开闭情况

valid 基因数据集:

Dataset.Dmel_train_test[[9]]:
image.png

20000 x 4 x 1000 的数组，用来表示 1000 个基因的 TSS 上下游各 10Kb 的序列信息

用 One-Hot 方式编码而成，其中 1 用 True 表示，0 用 False 表示

Dataset.Dmel_train_test[[10]]:
image.png

1 x 1000 数组，Dataset.Dmel_train_test[[9]] 中所有基因的基因名

Dataset.Dmel_train_test[[11]]:
image.png

77337 x 1000 数组

表示 Dataset.Dmel_train_test[[3]] 中所有的基因在 77337 个细胞中的表达情况，用1和0来表示在所有细胞中的开闭情况