数据集概述
本数据集用于量化空间亚克隆相互作用对儿童胶质瘤侵袭表型的增强效应研究。数据包含体外实验生成的图像和分析结果、图像分析训练数据以及ABC模拟库的仿真结果。数据集结构清晰，分为实验数据、训练数据和模拟结果三大模块，共包含1410个文件，主要文件类型为TIFF图像和PNG掩码文件。
文件详解
- 实验数据（ExperimentalData）
- 文件格式： TIFF、TXT、CSV
- 字段映射介绍： 包含DIPG007等儿童胶质瘤细胞系的实验图像和过滤后的分析结果。TXT文件记录细胞行为量化指标，CSV文件整合多组实验数据。
- 训练数据与分类器（TrainingDataAndClassifier）
- 文件格式： TIFF、PNG
- 字段映射介绍： 包含GreenTrainingData和Haddow两个子集的训练图像及对应掩码。TIFF为原始显微图像，PNG为分割掩码，用于训练图像分析模型。
- 模拟结果（Simulations）
- 文件格式： CSV
- 字段映射介绍： 包含F10Interact.csv等模拟文件，记录亚克隆动态参数，如Simulation（模拟编号）、Time（时间）、Radius（半径）、Agression（侵袭性）、Ratio（比例）等关键指标。
数据来源
论文"Quantification of spatial subclonal interactions enhancing the invasive phenotype of paediatric glioma"（bioArxiv: https://doi.org/10.1101/2021.07.19.452844）
适用场景
- 肿瘤空间生物学研究: 分析儿童胶质瘤中亚克隆间的空间相互作用机制及其对肿瘤侵袭性的影响。
- 细胞行为量化分析: 利用实验数据中的量化指标，研究肿瘤细胞的迁移、增殖和相互作用动力学。
- 计算生物学模拟验证: 将ABC模拟结果与实验观测数据对比，验证肿瘤生长和侵袭的计算模型。
- 医学图像分析算法开发: 使用训练数据集的图像和掩码，开发基于深度学习的肿瘤细胞分割与识别算法。
- 癌症治疗靶点探索: 通过分析亚克隆相互作用网络，识别潜在的联合治疗靶点和策略。
