spacetravlr

SpaceTravLR数据集中心提供了预计算的SpaceTravLR工具输出，专门用于空间转录组学和基因调控网络分析。该数据集基于小鼠皮肤的Xenium空间转录组数据，包含一个名为xenium_skin_mixed的混合样本队列，该队列使用样本ID作为条件列，细胞类型整数作为聚类注释进行训练。数据集包含5个样本（sample12至sample16），每个样本包括多种文件：每个调节因子的beta矩阵（*_betadata.feather格式）、条件过滤的AnnData导出（.h5ad格式）、运行摘要表（.csv格式）、条件标识符、可重现性配置文件、HTML训练摘要和训练日志。数据集规模较大，单个样本大小在59GB至103GB之间，每个样本包含约2,800个beta文件。该数据集适用于基因调控网络推断、空间转录组数据分析以及与SpaceTravLR工具链集成的下游应用。The SpaceTravLR dataset hub provides precomputed SpaceTravLR tool outputs, specifically designed for spatial transcriptomics and gene regulatory network analysis. The dataset is based on Xenium spatial transcriptomics data from mouse skin, featuring a mixed sample cohort named xenium_skin_mixed, which uses sample IDs as condition columns and cell type integers as clustering annotations for training. It includes 5 samples (sample12 to sample16), each containing various files: beta matrices for each regulator (*_betadata.feather), condition-filtered AnnData exports (.h5ad format), run summary tables (.csv format), condition identifiers, reproducibility profiles, HTML training summaries, and training logs. The dataset is large in scale, with individual sample sizes ranging from 59GB to 103GB, and each sample contains approximately 2,800 beta files. It is suitable for gene regulatory network inference, spatial transcriptomics data analysis, and downstream applications integrated with the SpaceTravLR toolchain.

原始信息汇总

数据集概述

数据集名称：SpaceTravLR outputs
许可协议：MIT
数据集大小：100B < n < 1T
主要标签：spatial-transcriptomics, gene-regulatory-network, xenium, spacetravlr, mouse, skin

数据集内容

该数据集包含由 SpaceTravLR 工具预计算的输出结果，主要包括：

• 每基因的 beta 矩阵（*_betadata.feather 文件）
• 运行元数据
• 可选的每个样本 AnnData 导出文件（.h5ad 格式）

目录结构

spacetravlr/ ├── tonsil/ # 占位 / 演示基因输出 └── xenium_skin_mixed/ ├── run.toml # 该队列的共享训练配置 ├── manifest.json # 样本索引和上传元数据 ├── sample12/ ├── sample13/ ├── sample14/ ├── sample15/ └── sample16/

每个 xenium_skin_mixed/sample*/ 目录包含以下文件：

文件/文件夹	描述
*_betadata.feather	SpaceTravLR 训练生成的每调节子 beta 矩阵
sample*.h5ad	条件过滤后的 AnnData 导出文件
sample*.csv	运行的摘要表
condition_label.txt	条件标识符
spacetravlr_run_repro.toml	可复现性配置文件（下载时路径重写）
spacetravlr_run_summary.html	HTML 训练摘要
log/	训练日志

未上传内容：perturbations/ 文件夹（计算机模拟扰动网格）。

队列信息：xenium_skin_mixed

• 数据来源：小鼠皮肤 Xenium 数据，包含混合样本
• 训练配置：使用 xenium_skin_mixed.h5ad，以 sample_id 作为条件列，cell_type_int 作为聚类注释
• 样本详情：

样本	大约大小	Beta 文件数量
sample12	59 GB	2,809
sample13	103 GB	2,807
sample14	66 GB	2,810
sample15	100 GB	2,801
sample16	89 GB	2,801

下载方式

bash

下载整个 xenium_skin_mixed 队列

hf download Koushul/spacetravlr xenium_skin_mixed --repo-type dataset --local-dir ./spacetravlr

下载单个样本

hf download Koushul/spacetravlr xenium_skin_mixed/sample12 --repo-type dataset --local-dir ./sample12

使用方法

在下载的样本目录中，包含 *_betadata.feather 文件及匹配的 spacetravlr_run_repro.toml 配置文件后，可通过 spatial_viewer 或 spacetravlr-perturb 工具使用该数据集。

引用方式

使用该数据集时，请引用 SpaceTravLR 及其底层 Xenium 皮肤数据集。

搜集汇总

数据集介绍

构建方式

SpaceTravLR数据集是基于空间转录组学与基因调控网络分析框架构建的预计算结果集。其核心构建流程始于对小鼠皮肤Xenium数据集的混合样本训练，以`sample_id`作为条件列，`cell_type_int`作为聚类注释，通过SpaceTravLR模型逐基因生成beta矩阵，并以Feather格式存储。每个样本目录内还包含运行元数据、可复现配置`spacetravrl_run_repro.toml`、HTML训练摘要及日志文件，而条件过滤后的AnnData导出文件则提供了单样本的联合分析入口。此外，数据集通过`manifest.json`索引样本，并保留了培养阶段未上传的扰动网格文件夹，从而完整映射了从原始数据到调控输出的全链条。

特点

该数据集的显著特征在于其兼具规模与精细度：单个样本的beta文件数量可达2800余个，样本总容量从59 GB到103 GB不等，适用于大规模基因调控推理。空间转录组与GRN（基因调控网络）产出的紧密结合，使得研究者能够从空间位置解析基因调控动态。数据以结构化目录组织，包含可复现配置文件与训练日志，保障了分析结果的透明性与可追溯性。此外，针对不同样本的扰动实验预留了接口，拓展了其在虚拟基因敲除或过表达模拟中的应用潜力。

使用方法

用户可通过Hugging Face CLI工具直接下载所需样本或整个群组，例如执行`hf download Koushul/spacetravlr xenium_skin_mixed --repo-type dataset`命令即可获取全部数据。使用过程中，只需将包含`*_betadata.feather`与匹配的`spacetravrl_run_repro.toml`的样本目录指定给SpaceTravLR的`spatial_viewer`或`spacetravlr-perturb`模块，即可启动可视化或扰动分析。对于习惯生态解析的用户，`.h5ad`文件可直接导入Scanpy等工具进行标准化处理，而`.feather` beta矩阵则适合在多语言框架中高效加载，加速下游的调控网络解释与假设验证。

背景与挑战

背景概述

空间转录组学通过将基因表达谱与其在组织中的空间位置相结合，为理解复杂生物系统的基因调控网络提供了前所未有的分辨率。在此背景下，SpaceTravLR数据集由Koushul等研究团队提出，旨在利用成片皮肤组织的Xenium空间转录组数据，构建并分享经预处理的基因调控网络输出结果。该数据集创建于近年，主要围绕“细胞类型特异的基因调控关系建模”这一核心问题展开，通过收集和处理来自小鼠皮肤混合样本的空间转录组数据，为空间基因调控网络研究提供了标准化的预计算资源。数据集包含了多个样本的beta矩阵、运行元数据以及可选的AnnData格式文件，显著降低了研究者复现和扩展空间调控网络分析的准入门槛，对单细胞空间生物学领域具有重要的推动作用。

当前挑战

该数据集所解决的领域问题在于空间转录组数据中基因调控网络的推断，即从高维、稀疏且具有空间依赖性的表达数据中识别细胞类型特异的调控关系，这对传统计算方法构成了巨大挑战。在构建过程中，数据集的挑战首先体现在处理海量数据方面，单个样本的beta文件可达数万份，整体数据规模从几十GB到上百GB不等，存储与传输效率成为关键难点。其次，不同样本间的数据异质性以及空间位置信息的整合需求，要求构建统一的训练配置与可复现的工作流程，以确保输出结果的一致性和可比性。此外，数据集的标准化与文档化需兼顾使用者多样化的下游分析需求，如将调控矩阵与空间可视化工具对接，进一步增加了构建的复杂度。

常用场景

经典使用场景

空间转录组学技术为解析组织微环境中基因表达的空间异质性提供了前所未有的视角，而基于此构建基因调控网络则需应对高维、稀疏且具空间依赖性的数据挑战。SpaceTravLR数据集专为空间转录组学中基因调控网络的推断与验证而设计，其核心应用场景在于利用预计算的每个基因的beta矩阵，结合用户自定义的条件标签与细胞类型注释，对小鼠皮肤等复杂组织中的基因调控关系进行系统性建模。研究者可通过此数据集高效复现SpaceTravLR模型的训练流程，从而在标准化的框架下探索不同细胞亚群内转录因子与靶基因之间的调控强度及其空间分布特征。

衍生相关工作

围绕SpaceTravLR数据集的发布，已衍生出多种具有代表性的后续研究工作。最典型的是利用其中的beta矩阵作为特征输入，开发针对空间转录组数据的可视化工具，以直观展示调控网络在组织切片上的分布格局。其次，有研究基于该数据集中的多个样本条件标签，构建了跨样本比较分析流水线，用于揭示不同生物条件（如药物处理与对照组）间共享与特异的调控模块。此外，数据集中的`.h5ad`导出格式也促进了与Scanpy等主流单细胞分析工具的生态集成，从而催生出一批将空间调控推断与降维聚类、差异表达分析相结合的多层解析方法。

数据集最近研究

最新研究方向

该数据集聚焦于空间转录组学与基因调控网络的前沿交叉领域，通过预计算beta矩阵和条件过滤的AnnData输出，为解析小鼠皮肤组织中细胞类型特异性调控机制提供了关键资源。结合Xenium平台的高分辨率空间转录数据，研究者可探索细胞微环境对基因表达模式的影响，尤其在混合样本条件下揭示细胞间通信与空间异质性的分子基础。该数据集的设计支持基因调控扰动的计算机模拟，能够预测特定调控因子改变对细胞状态的影响，从而加速皮肤生物学中如伤口愈合、炎症反应或肿瘤微环境等热点机制的解析。其大规模beta矩阵（单样本超2800个文件）和标准化配置使得复现分析与跨数据集比较成为可能，为空间组学驱动的精准医学研究奠定了数据基础设施。