AIVIN-UCSD/liver-references

AIVIN Liver References是一个统一的人类肝脏组织（包括癌症、健康和慢性肝病）单细胞、单核和Visium空间转录组参考数据集。该数据集由加州大学圣地亚哥分校的AIVIN跨癌症参考项目整理，包含41个.h5ad文件，覆盖约1,177,000个细胞和约34,900个Visium点，来自18个不同的队列（12个癌症队列、5个健康队列和1个慢性肝病队列）。数据来源于15个GEO研究、CELLxGENE Census和一个GSM直接数据，疾病维度包括肝细胞癌（HCC）原发性、转移性、胎儿性、抗PD1治疗响应、MASH相关、肝内胆管癌（iCCA）、胆管癌、非酒精性脂肪性肝炎（NASH）、丙型肝炎病毒（HCV）感染、慢性肝病、原发性硬化性胆管炎（PSC）、原发性胆汁性胆管炎（PBC）和健康组织。使用的技术平台包括10x Chromium v2/v3、Smart-seq2、CEL-Seq2和10x Visium。数据集遵循CELLxGENE schema 7.0.0标准，并增加了AIVIN特定的扩展，用于记录来源和注释信息。AIVIN Liver References is a unified single-cell, single-nucleus, and Visium spatial transcriptomic reference dataset of human liver tissues encompassing cancerous, healthy, and chronic liver disease samples. Curated by the AIVIN Cross-Cancer Reference Project at the University of California, San Diego, this dataset comprises 41 .h5ad files, covering approximately 1,177,000 cells and 34,900 Visium spots, originating from 18 distinct cohorts (12 cancer cohorts, 5 healthy cohorts, and 1 chronic liver disease cohort). The dataset is sourced from 15 GEO studies, CELLxGENE Census, and one direct GSM dataset, covering disease states including primary hepatocellular carcinoma (HCC), metastatic HCC, fetal liver, anti-PD1 treatment-responsive HCC, MASH-associated liver disease, intrahepatic cholangiocarcinoma (iCCA), cholangiocarcinoma, non-alcoholic steatohepatitis (NASH), hepatitis C virus (HCV) infection, chronic liver disease, primary sclerosing cholangitis (PSC), primary biliary cholangitis (PBC), and healthy liver tissues. The utilized technical platforms include 10x Chromium v2/v3, Smart-seq2, CEL-Seq2, and 10x Visium. The dataset complies with the CELLxGENE schema 7.0.0 standard, with additional AIVIN-specific extensions for recording provenance and annotation information.

搜集汇总

数据集介绍

构建方式

Liver-references数据集由美国加州大学圣地亚哥分校AIVIN跨癌种参考项目精心构建，旨在提供统一协调的人类肝脏组织单细胞、单细胞核及Visium空间转录组参考集。数据整合工作严格遵循CELLxGENE schema 7.0.0标准，并采用统一的AIVIN命名与溯源规范。数据集囊括了来自18个不同队列的41个.h5ad文件（其中40个有效），涵盖肝细胞癌、肝内胆管癌、慢性肝病及健康肝脏等多种疾病状态。数据源广泛分布于GEO、CELLxGENE Census及GSM数据库，涉及10x Chromium v2/v3、Smart-seq2、CEL-Seq2及10x Visium等多种测序平台。构建过程采用了结构化的摄取脚本和文献方法摘要，确保了数据处理的透明性与可重复性，最终形成了包含约117万单细胞/单细胞核和3.49万个Visium spot的综合性参考资源。

特点

该数据集最显著的特征在于其高度的异质性整合与严谨的标准化处理。在疾病维度上，它涵盖了HCC原发、转移、胎儿、免疫治疗响应、MASH相关等多样亚型，以及iCCA、NASH、HCV、PSC、PBC等疾病状态，为全面解析肝脏肿瘤微环境提供了珍贵素材。数据模态丰富，同时容纳了单细胞转录组、单细胞核转录组和空间转录组数据，支持跨模态的生物学洞察。每个.h5ad文件均包含丰富的元数据注释，如统一的组织部位词汇（PT、NTL、JTL等）、疾病标签、细胞类型注释及详细的AIVIN溯源信息（引用文献、DOI、源数据编号等）。此外，数据集如实记录了已知的异质性挑战，如基因空间大小差异（2,384至58,100个基因）和索引格式不统一（Ensembl ID与HGNC符号并存），彰显了科学数据的诚实性。

使用方法

使用该数据集时，研究者可通过huggingface_hub库便捷地进行单文件加载或多文件整合。对于单个队列的分析，利用hf_hub_download函数直接下载特定.h5ad文件，并借助anndata库读取，即可访问其丰富的溯源性数据。若要整合多个癌症队列，推荐使用snapshot_download配合通配符模式（如'sc__hcc-*.h5ad'）进行批量下载，并通过ad.concat方法以'outer'模式合并，以形成包含所有基因联合集的整合对象。值得注意的是，需使用ignore_patterns参数排除已知损坏的文件（如macparland2019-0donors）。经合并后的AnnData对象可直接输入scvi-tools等深度学习框架，用于基础模型训练或整合分析。元数据中提供了完整的引用信息和详细的字段注释，引导用户恰当地引用原始文献，并在处理基因空间异质性时采用合适的补零策略。

背景与挑战

背景概述

肝脏作为人体代谢与免疫的核心器官，其细胞异质性与病理微环境是癌症研究中的关键议题。为此，加州大学圣地亚哥分校（UCSD）AIVIN项目团队于2026年发布了整合性肝脏参考数据集，旨在构建涵盖肝细胞癌（HCC）、肝内胆管癌（iCCA）、慢性肝病及健康组织的跨癌种单细胞与空间转录组图谱。该数据集汇聚了来自15项公开研究的18个独立队列，包含约117万单细胞核转录组与3.5万个Visium空间转录组斑点，是当前规模最大、模态最全的人类肝脏单细胞参考资源。其核心研究问题聚焦于肿瘤免疫微环境的异质性解析、跨平台数据整合以及空间-单细胞多模态联合分析，为肝癌基础研究与精准医学提供了标准化数据基底。

当前挑战

该数据集所解决的领域核心挑战在于：跨平台、跨疾病维度的单细胞数据整合与分析。首先，不同测序平台（10x v2/v3、Smart-seq2、CEL-Seq2）及Visium空间组学产生的数据在基因检测效率、分辨率与基因空间维度上存在显著差异，导致18种不同的基因空间大小（2,384至58,100个基因），使得跨队列联合分析时需通过外连接合并，引入大量稀疏值。其次，构建过程中面临的挑战包括：基因索引命名不统一（部分使用Ensembl ID，部分使用HGNC符号）增加了整合难度；已知存在两份来自不同标签的GSE189175队列数据完全重复，且一份MacParland队列因多版CEL-Seq2拼接错误产生无效矩阵，需要重新处理。此外，如何保持所有文件均兼容CELLxGENE schema 7.0.0标准，同时保留原始异质性，对元数据规范与溯源记录提出了严苛要求。

常用场景

经典使用场景

在单细胞与空间转录组学领域，AIVIN肝脏参考数据集常被用于构建跨队列的整合分析基准。研究者可依托其统一格式的40个高质量h5ad文件，涵盖约117万细胞和3.5万Visium斑点，执行批次校正、细胞类型注释和基因表达谱的联合分析。尤其适用于探索肝细胞癌、胆管癌、慢性肝病及健康肝脏的细胞异质性，通过scVI或Harmony等工具进行多模态数据的无缝融合，揭示肿瘤微环境中免疫细胞与基质细胞的动态互作网络。

衍生相关工作

基于本数据集，学界已衍生出一系列标志性工作。其中，Sharma等人（2020）利用其HCC-胎肝亚群阐明了癌胚重编程程序的免疫逃逸机制；Lu等人（2022）通过多区域单细胞测序揭示了肝细胞癌转移过程中的克隆演化图谱；而Ma等人（2021）则依托术后治疗队列解析了iCCA对化疗耐药的内在分子通路。这些成果不仅深化了对肝脏肿瘤生态系统的认知，也催生了诸如AIVIN跨癌种参考集等更宏大的数据整合工程，将单细胞方法学推向临床可解释的新高度。

数据集最近研究

最新研究方向

当前，肝细胞癌（HCC）与胆管癌（iCCA）的微环境异质性研究已迈入单细胞与空间转录组学融合的新纪元。AIVIN肝脏参考数据集汇集了逾118万细胞与3.5万Visium空间斑点，横跨18个独立队列，覆盖HCC原发灶、转移灶、抗PD-1治疗反应以及MASH相关肝癌等前沿方向，为解析免疫治疗耐药机制与肿瘤微环境重塑提供了统一度量基准。该数据集的发布恰逢泛癌种跨队列整合分析热潮，其严格遵循CELLxGENE 7.0.0标准与AIVIN命名规范，支持scVI等基础模型直接训练，有力推动了从静态图谱向动态预测的范式跃迁。尤为值得关注的是，其中抗PD-1应答者与非应答者的配对单细胞数据，以及肝纤维化-肝癌连续谱系的时空转录组层析，为精准免疫分层与靶点发现注入了关键数据动能，标志着肝脏肿瘤研究正步入系统级整合与计算建模的全新阶段。