jiawennnn/STimage-1K4M

STimage-1K4M数据集包含1,149个空间转录组学切片，总计超过400万个点，每个点都配有基因表达数据。数据集包括图像、与高分辨率组织病理学图像匹配的基因表达谱以及每个点的空间坐标。

The STimage-1K4M dataset consists of 1,149 spatial transcriptomics slides, totaling over 4 million spots with paired gene expression data. The dataset includes images, gene expression profiles matched with high-resolution histopathology images, and spatial coordinates for each spot.

搜集汇总

数据集介绍

构建方式

在空间转录组学这一前沿交叉学科中，STimage-1K4M数据集的构建体现了严谨的系统工程。该数据集整合了来自1,149张空间转录组学切片的超过四百万个空间位点数据，其构建过程遵循了标准化的生物信息学流程。原始的高分辨率组织病理学图像与对应的基因表达谱通过精确的空间坐标进行配对与对齐，确保了图像像素与分子信息在空间上的一致性。数据按照Spatial Transcriptomics、Visium及VisiumHD三种主流技术平台进行分类存储，并辅以经过病理学家标注的注释文件，形成了层次清晰、结构完整的多模态数据资源。

特点

STimage-1K4M数据集的核心特征在于其前所未有的规模与精细的多模态对齐。它囊括了超过四百万个带有配对基因表达谱的组织图像位点，为大规模计算分析提供了坚实基础。数据集涵盖了多种组织类型与技术平台，呈现出高度的生物与技术异质性，这为开发鲁棒性强的跨平台算法模型创造了条件。其独特价值在于将宏观的组织形态学特征与微观的基因表达定量信息在亚细胞空间分辨率上实现了无缝融合，为深入探究组织微环境中的基因表达空间调控模式提供了关键数据支撑。

使用方法

该数据集为空间转录组学的计算方法研究提供了标准化的基准。研究者可通过其清晰定义的目录结构，分别访问图像、基因表达矩阵与空间坐标文件，便于进行多模态数据加载与预处理。典型应用流程包括利用图像进行特征提取或分割，继而与基因表达数据进行关联分析或跨模态学习。数据集附带的元数据文件包含了所有研究来源的文献信息，确保了研究的可追溯性。用户可依据其技术平台（ST、Visium、VisiumHD）的子目录选择特定数据子集，以开展技术特异性或跨技术的算法验证与模型训练。

背景与挑战

背景概述

空间转录组学作为生物医学研究的前沿领域，旨在整合组织病理学图像与基因表达数据，以揭示细胞在空间维度上的分子特征。STimage-1K4M数据集由Jiawen Chen等人于2024年创建，汇集了来自Spatial Transcriptomics、Visium及VisiumHD技术的1,149张切片，涵盖超过400万个空间位点。该数据集的核心研究问题聚焦于通过高分辨率病理图像与配对基因表达谱的关联，推动计算病理学与基因组学的交叉研究，为疾病机制解析和生物标志物发现提供了大规模、标准化的基准资源，显著提升了空间生物学数据的可及性与分析深度。

当前挑战

在空间转录组学领域，关键挑战在于如何有效融合异质多模态数据，以精准解析组织微环境中的基因表达空间异质性。STimage-1K4M针对此问题，需克服图像与基因表达数据对齐的复杂性，以及大规模数据整合中的技术噪音。构建过程中，研究人员面临数据标准化与标注一致性的难题，包括不同技术平台（如ST、Visium）的数据格式统一、病理图像注释的质量控制，以及海量基因表达矩阵的高效存储与访问。这些挑战要求创新的计算框架以确保数据可靠性与可重复性，为后续模型开发奠定基础。

常用场景

经典使用场景

在空间转录组学领域，STimage-1K4M数据集为研究者提供了整合高分辨率组织病理学图像与基因表达谱的宝贵资源。其经典应用场景在于训练和评估多模态深度学习模型，通过图像特征提取与基因表达数据的对齐，实现组织微环境中细胞类型与空间分布的精准解析。该数据集支持图像分割、分类及特征提取任务，为探索生物组织内基因表达的空间异质性奠定了数据基础。

衍生相关工作

围绕STimage-1K4M数据集，已衍生出多项经典研究工作。例如，基于CLIP与PLIP框架的扩展模型，实现了组织图像与基因表达的跨模态嵌入学习；同时，该数据集激发了空间转录组学中的自监督预训练方法探索，促进了多任务学习架构在生物医学图像分析中的应用。这些工作进一步推动了开源工具链的完善，为领域发展注入了创新活力。

数据集最近研究

最新研究方向

在空间转录组学领域，STimage-1K4M数据集正推动着多模态生物医学研究的深入发展。该数据集整合了高分辨率组织病理学图像与基因表达数据，为探索细胞空间异质性提供了关键资源。当前研究热点聚焦于开发先进的深度学习模型，如视觉-语言预训练架构，旨在实现图像特征与基因表达模式的精准对齐，进而揭示疾病微环境中的分子机制。这一方向不仅加速了癌症诊断和生物标志物发现的进程，也为个性化医疗奠定了数据基础，在生物信息学和计算病理学交叉前沿产生了广泛影响。