跳到主要内容

模块01：实践数据集与数据获取

BioF3 的教程需要配套真实数据，不能只依赖模拟数据和示意代码。本页整理适合教学复现的公开测试数据集，并给出建议使用场景、下载命令和数据规模。

所有数据都来自公开资源，建议下载到项目外的本地数据目录，例如 ~/biof3-data，不要直接提交到网站仓库。

mkdir -p ~/biof3-data
cd ~/biof3-data

推荐数据集​

数据集适用模块类型大小用途
PBMC 3k模块 02-06scRNA-seq约 7.4 MB入门、质控、聚类、注释、差异分析
5k PBMC CITE-seq模块 07RNA + ADT约 37 MB多模态分析、WNN、蛋白标志物
PBMC scATAC 10k模块 10scATAC-seq约 162 MB染色质可及性、LSI、peak matrix
Visium Breast Cancer模块 09空间转录组约 74 MB空间表达、组织切片可视化

PBMC 3k​

PBMC 3k 是 10x Genomics 公开的外周血单个核细胞数据，也是 Seurat 和 Scanpy 入门教程常用数据。它体积小、下载快，适合本教程前半部分的大多数练习。

(7.3 MB)

适用模块：

上方按钮会直接从 10x Genomics 原始地址下载。也可以使用命令行下载：

mkdir -p ~/biof3-data/pbmc3k
cd ~/biof3-data/pbmc3k

curl -L -O https://cf.10xgenomics.com/samples/cell-exp/1.1.0/pbmc3k/pbmc3k_filtered_gene_bc_matrices.tar.gz
tar -xzf pbmc3k_filtered_gene_bc_matrices.tar.gz

Seurat 读取示例：

library(Seurat)

data_dir <- "~/biof3-data/pbmc3k/filtered_gene_bc_matrices/hg19"
counts <- Read10X(data.dir = data_dir)
pbmc <- CreateSeuratObject(counts = counts, project = "PBMC3K")
pbmc

5k PBMC CITE-seq​

5k PBMC CITE-seq 数据同时包含 RNA 表达矩阵和抗体衍生标签（ADT）矩阵，适合讲解多模态单细胞分析。

(37 MB)

适用模块：

上方按钮会直接从 10x Genomics 原始地址下载。也可以使用命令行下载：

mkdir -p ~/biof3-data/pbmc5k-citeseq
cd ~/biof3-data/pbmc5k-citeseq

curl -L -O https://cf.10xgenomics.com/samples/cell-exp/3.1.0/5k_pbmc_protein_v3_nextgem/5k_pbmc_protein_v3_nextgem_filtered_feature_bc_matrix.tar.gz
tar -xzf 5k_pbmc_protein_v3_nextgem_filtered_feature_bc_matrix.tar.gz

Seurat 读取示例：

library(Seurat)

data_dir <- "~/biof3-data/pbmc5k-citeseq/filtered_feature_bc_matrix"
counts <- Read10X(data.dir = data_dir)

pbmc <- CreateSeuratObject(counts = counts$`Gene Expression`, project = "PBMC5K_CITE")
pbmc[["ADT"]] <- CreateAssayObject(counts = counts$`Antibody Capture`)
pbmc

Visium Breast Cancer​

Visium Breast Cancer 是 10x Genomics 的空间转录组数据，适合练习组织切片上的空间表达可视化和空间邻域分析。

(74 MB)

适用模块：

该数据体积较大，当前不放入网站仓库。上方按钮会直接从 10x Genomics 原始地址下载。也可以使用命令行下载：

mkdir -p ~/biof3-data/visium-breast-cancer
cd ~/biof3-data/visium-breast-cancer

curl -L -O https://cf.10xgenomics.com/samples/spatial-exp/1.1.0/V1_Breast_Cancer_Block_A_Section_1/V1_Breast_Cancer_Block_A_Section_1_filtered_feature_bc_matrix.tar.gz
tar -xzf V1_Breast_Cancer_Block_A_Section_1_filtered_feature_bc_matrix.tar.gz
备注

完整空间分析通常还需要组织切片图片和 spatial/ 坐标文件。后续补强模块 10 时，会把矩阵、图片、坐标和 Seurat/Scanpy 读取流程整理成完整示例。

PBMC scATAC 10k​

PBMC scATAC 10k 是 10x Genomics 的单细胞 ATAC-seq 数据，适合练习 peak matrix、TF-IDF、SVD/LSI 和染色质可及性分析。

(162 MB)

适用模块：

该数据体积较大，当前不放入网站仓库。上方按钮会直接从 10x Genomics 原始地址下载。也可以使用命令行下载：

mkdir -p ~/biof3-data/pbmc10k-scatac
cd ~/biof3-data/pbmc10k-scatac

curl -L -O https://cf.10xgenomics.com/samples/cell-atac/2.1.0/10k_pbmc_ATACv2_nextgem_Chromium_Controller/10k_pbmc_ATACv2_nextgem_Chromium_Controller_filtered_peak_bc_matrix.h5

使用建议​

  1. 初学者先下载 PBMC 3k，优先完成模块 01-03。
  2. 做多模态分析时再下载 5k PBMC CITE-seq。
  3. 空间转录组和 scATAC 数据体积更大，建议在理解标准 scRNA-seq 流程后再使用。
  4. 网站仓库只保存教程、脚本和小型示例，不保存大型原始数据。

数据来源​