cellxgene-census

CELLxGENE Census - 61M+ 单细胞基因组数据查询

技能概述

CZ CELLxGENE Census 是一个程序化访问超过 6100 万个单细胞基因组数据的 Python 工具，提供跨组织、疾病和细胞类型的标准化基因表达数据查询接口。

适用场景

大规模细胞数据查询

当你需要查询跨越多个组织、疾病类型或细胞类别的单细胞表达数据时，Census 提供了统一的 API 来访问超过 6100 万个经过标准化处理的人类和小鼠细胞数据。

参考图谱比对与注释

适合将你自己的单细胞数据与大规模参考图谱进行比对，或使用 Census 数据作为训练集进行细胞类型注释和机器学习模型开发。

跨数据集整合分析

当你需要同时分析数千个单细胞数据集，进行跨组织、跨疾病的人群规模统计分析时，Census 提供了统一的元数据和表达矩阵，无需分别下载和处理原始数据。

核心功能

按条件过滤查询细胞数据

支持通过细胞类型、组织、疾病、供体 ID 等多种元数据字段过滤查询，可精确返回符合条件的细胞子集及其基因表达数据，同时提供 is_primary_data 标志避免重复计数。

与 scanpy 无缝集成

查询结果可直接返回为 AnnData 格式，与 scanpy 生态完全兼容，支持标准的降维、聚类、可视化和差异表达分析流程。

大规模数据的内存优化处理

对于超过内存容量的查询，支持 out-of-core 迭代处理模式，并可提供 PyTorch DataLoader 接口用于深度学习模型的训练。

常见问题

CELLxGENE Census 是什么，如何访问？

CZ CELLxGENE Census 是由 Chan Zuckerberg Initiative 维护的单细胞基因组数据库，整合了数千个标准化处理的数据集，包含超过 6100 万个细胞。通过 cellxgene-census Python 包，你可以使用 open_soma() 函数打开数据库，然后使用 get_anndata() 或 get_obs() 查询数据。

如何下载单细胞基因表达数据？

使用 cellxgene_census.get_anndata() 函数可以按条件查询并获取基因表达数据。例如：get_anndata(census, organism="Homo sapiens", obs_value_filter="cell_type == 'T cell' and tissue_general == 'lung'") 会返回肺部 T 细胞的表达矩阵。注意添加 is_primary_data == True 过滤条件避免重复细胞。

cellxgene-census 可以和 scanpy 一起使用吗？

可以。Census 查询结果可以直接返回为 AnnData 格式，完全兼容 scanpy 工作流。你可以像处理普通 AnnData 对象一样进行标准化、降维、聚类和可视化分析。

Census 中有多少细胞数据？

截至最新版本，Census 包含超过 6100 万个来自人类和小鼠的单细胞，涵盖数千个原始数据集，支持按组织、疾病、细胞类型等多维度查询。

如何按组织或细胞类型筛选数据？

使用 obs_value_filter 参数指定筛选条件，例如 obs_value_filter="tissue_general == 'brain' and cell_type == 'neuron'"。支持 and、or 逻辑运算符和 in 操作符进行多值筛选。

cellxgene-census 是免费的吗？

是的，CELLxGENE Census 是完全免费开放的数据资源，由 Chan Zuckerberg Initiative 资助和维护，无需注册即可访问。

支持哪些物种？

目前主要支持人类（Homo sapiens）和小鼠（Mus musculus）的单细胞数据。

如何避免查询结果中的重复细胞？

在所有查询中添加 is_primary_data == True 过滤条件。Census 中的细胞可能出现在多个数据集中，此标志可确保只返回唯一的原始细胞。