Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data 2025-97-1 https://doi.org/10.48723/f4v5-m008 Swedish National Data Service Svensk nationell datatjänst Landing page Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data 2025-97-1 https://doi.org/10.48723/f4v5-m008 oai:DiVA.org:kth-370404 10.1038/s41698-025-01104-3 urn:nbn:se:kth:diva-370404 Li, Tianyi Li, Tianyi Yang, Qiao Yang, Qiao Acs, Balazs Acs, Balazs G. Sifakis, Emmanouil G. Sifakis, Emmanouil Toosi, Hosein Toosi, Hosein Engblom, Camilla Engblom, Camilla Thrane, Kim Thrane, Kim Lin, Qirong Lin, Qirong E. Mold, Jeff E. Mold, Jeff Sun, Wenwen Sun, Wenwen Boyaci, Ceren Boyaci, Ceren Steen, Sanna Steen, Sanna Frisén, Jonas Frisén, Jonas Lagergren, Jens Lagergren, Jens Lundeberg, Joakim Lundeberg, Joakim Chen, Xinsong Chen, Xinsong Hartman, Johan Hartman, Johan Swedish National Data Service Svensk nationell datatjänst Landing page CANCER CANCER Breast Bröst Breast Neoplasms Brösttumörer Transcriptome Transkriptom The samples in the dataset are connected to a study focusing on studying breast cancer intratumoral heterogeneity using spatial transcriptomic data and computational pathology. The dataset contains 14 samples from 3 patients (one triple negative breast cancer and two HER2-positive breast cancer). Multiple regions of the tumor were collected for analysis. Each sample is one tumor region from one of the patients. Libraries for spatial transcriptomics were prepared using Visium spatial gene expression kits (10x genomics). Sequencing was performed using the Illumina NovaSeq 6000 platform at the National Genomics Infrastructure, SciLifeLab in Solna, Sweden. The dataset contains 28 fastq files, compressed with GNUzip (gzip), from paired-end RNA sequencing (10X Visium spatial transcriptomics). The meta data is described in SND_metadata.xlsx file. The md5sum.txt file is provided for validation of data integrity. The total size of the dataset is approximately 300 GB. Proverna i datamängden är kopplade till en studie som fokuserar på att studera intratumoral heterogenitet i bröstcancer med användning av rumsliga transkriptomiska data och beräkningspatologi. Datauppsättningen innehåller 14 prover från 3 patienter (en trippelnegativ bröstcancer och två HER2-positiva bröstcancer). Flera regioner av tumören samlades in för analys. Varje prov är en tumörregion från en av patienterna. Bibliotek för rumslig transkriptomik framställdes med användning av Visium rumsliga genuttryckskit (10x genomik). Sekvensering utfördes med hjälp av Illumina NovaSeq 6000-plattformen vid National Genomics Infrastructure, SciLifeLab i Solna, Sverige. Datasetet består av 28 filer i fastq-format, komprimerade med GNUzip (gzip), från paired-end-RNA-sekvensering (10X Visium spatial transcriptomics). Metadata är beskrivna i filen SND_metadata.xlsx. För validering av dataintegritet finns filen md5sum.txt. Datasetets totala storlek är ungefär 300 GB. Sweden Sverige Breast cancer samples were collected at Karolinska University Hospital, Stockholm, Sweden from patients with untreated invasive ductal carcinomas. Bröstcancerprover samlades in vid Karolinska Universitetssjukhuset, Stockholm, Sverige från patienter med obehandlade invasiva duktala karcinom. Other Samples contained in this repository are random patient samples that fit our selection criteria (i.e., big tumor size and treatment naive). Patients' samples were collected from multiple regions of the same tumor to investigate the intra-tumoral heterogeneity.Samples contained in this repository are random patient samples that fit our selection criteria (i.e., big tumor size and treatment naive). Patients' samples were collected from multiple regions of the same tumor to investigate the intra-tumoral heterogeneity. Proverna i detta arkiv är slumpmässiga patientprover som uppfyller våra urvalskriterier (dvs. stor tumörstorlek och behandlingsnaiva). Patienters prover samlades in från multipla regioner av samma tumör för att undersöka den intratumorala heterogeniteten.Proverna i detta arkiv är slumpmässiga patientprover som uppfyller våra urvalskriterier (dvs. stor tumörstorlek och behandlingsnaiva). Patienters prover samlades in från multipla regioner av samma tumör för att undersöka den intratumorala heterogeniteten. OtherOther ÖvrigtÖvrigt Access to data through SND. Access to data is restricted. Åtkomst till data via SND. Tillgång till data är begränsad. restrictedAccess Li, T., Yang, Q., Acs, B., Sifakis, E. G., Toosi, H., Engblom, C., Thrane, K., Lin, Q., Mold, J. E., Sun, W., Boyaci, C., Steen, S., Frisén, J., Lagergren, J., Lundeberg, J., Chen, X., & Hartman, J. (2025). Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data. In npj Precision Oncology (No. 310; Vol. 9, Issue 1). https://doi.org/10.1038/s41698-025-01104-3 Li, T., Yang, Q., Acs, B., Sifakis, E. G., Toosi, H., Engblom, C., Thrane, K., Lin, Q., Mold, J. E., Sun, W., Boyaci, C., Steen, S., Frisén, J., Lagergren, J., Lundeberg, J., Chen, X., & Hartman, J. (2025). Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data. In npj Precision Oncology (No. 310; Vol. 9, Issue 1). https://doi.org/10.1038/s41698-025-01104-3 10.1038/s41698-025-01104-3 urn:nbn:se:kth:diva-370404 oai:DiVA.org:kth-370404 2025 oai:DiVA.org:kth-370404