Perturb-Sapiens
קוד פתוחarcinstitutecc-by-4.02026-01-09
מאגר תחזיות ביולוגיות של תגובות תאיות לתרופות ולציטוקינים ב־28 רקמות אנושיות שונות. הוא מיועד למי שחוקר ביולוגיה חישובית וצריך סימולציות בקנה מידה עצום בלי להריץ ניסוי מעבדה רטובה על כל שילוב.
- 1,941הורדות בחודש
- 16לייקים
מה זה
המאגר כולל מעל 103 מיליון תאים שמכסים 40 סוגי תאים ו־28 רקמות אנושיות שונות. הנתונים לא מגיעים ממדידות מעבדה ישירות של כל מצב, אלא מתחזיות שנוצרו על ידי מודל היסוד Stack-Large-Aligned לביולוגיה של תא בודד. המודל קיבל כקלט נתוני פרומפט מניסויי הפרעה בתאי דם מסוג PBMC מפרויקט Parse/OpenProblems, והשתמש בנתוני בסיס של התאים מתוך פרויקט Tabula Sapiens.
המבנה מחולק לשתי תיקיות עיקריות בגרסה הראשונה. התיקייה הראשונה מכילה 111 מצבי חשיפה לתרופות שונות יחד עם קובץ ביקורת מבוסס Dimethyl sulfoxide. התיקייה השנייה כוללת 90 מצבי חשיפה לציטוקינים, יחד עם קובץ ביקורת של תמיסת PBS. כל קובץ במאגר מייצג תנאי הפרעה ספציפי או ביקורת, ומכיל את פרופיל ביטוי הגנים החזוי לתאים שנבדקו.
מתאים ל
- חיזוי תגובה לתרופות
בדיקת ההשפעה של עשרות חומרים פעילים על ביטוי גנים ברקמות אנושיות שונות.
- חקר ציטוקינים
ניתוח האופן שבו רקמות שונות מגיבות לאותות של מערכת החיסון ברמת התא הבודד.
- איתור מטרות טיפוליות
העלאת השערות וסינון ראשוני של מטרות ביולוגיות לפני הרצת ניסויי מעבדה יקרים.
איפה זה נופל
כל הנתונים במאגר הם תחזיות סינתטיות של מודל בינה מלאכותית ולא תוצאות שנמדדו במבחנה, ולכן כל ממצא דורש אימות ניסויי בפועל לפני שמקבלים החלטות לפיתוח תרופות. בנוסף, המפתחים מציינים במפורש שהדיוק של המודל יורד כשמדובר בהפרעות חלשות שמשפיעות מעט מאוד על התא. אין כאן נתונים קליניים או טקסטואליים, השפה היחידה שרלוונטית היא שמות הגנים והמולקולות באנגלית, והנתונים תקפים למבנה הספציפי שנוצר בינואר 2026.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מודל מסחרי?
כן. הרישיון הוא CC-BY-4.0, ולכן אין מניעה להשתמש בנתונים לפיתוח מסחרי או לאמן מודלים למוצרים סגורים, כל עוד מקפידים לתת קרדיט מפורש למחקר המקורי כפי שהם מבקשים.
האם הנתונים כוללים עברית?
לא. מדובר במאגר ביולוגי חישובי שמכיל מדידות מולקולריות של תאים בודדים. השמות של התרופות, הרקמות והגנים מופיעים באנגלית ובמינוח מדעי בינלאומי בלבד.
האם מדובר בתוצאות של ניסויי מעבדה אמיתיים?
לא עבור כל 103 מיליון התאים. הנתונים נוצרו על ידי מודל חישובי בשם Stack שחזה איך תאי Tabula Sapiens יגיבו, בהתבסס על ניסויי הפרעה שנערכו בתאי דם, ולכן אלה תחזיות שמחייבות בדיקה מעבדתית חוזרת.
איך מורידים ועובדים עם הקבצים?
המאגר מחולק ל־205 קובצי h5ad נפרדים לפי תרופות וציטוקינים. אפשר להוריד רק את הקבצים שרלוונטיים לשאלת המחקר שלכם ולקרוא אותם ישירות באמצעות ספריית scanpy הרגילה בפייתון.
איך טוענים
הנתונים מגיעים ב־205 קובצי h5ad, הפורמט הסטנדרטי של AnnData לעבודה עם ספריות כמו scanpy בפייתון, ואין צורך באישור גישה מיוחד. כדי לעבוד איתם טוענים קובץ ספציפי של תרופה או ציטוקין, מנרמלים את הביטוי ומבצעים טרנספורמציית log1p. שלב קריטי בטעינה הוא סינון תאים לפי השדה gen_logit בטבלת התצפיות, שבו החוקרים ממליצים להשאיר רק ערכים שנמוכים מ־2.5 כדי לסנן רעש ולהישאר עם תאים באיכות גבוהה.
from datasets import load_dataset
ds = load_dataset("arcinstitute/Perturb-Sapiens")הרישיון
המאגר מופץ תחת רישיון CC-BY-4.0. אפשר להשתמש בו לצרכים מסחריים ומחקריים, לשנות אותו ולבנות עליו מוצרים ומודלים חדשים. הדרישה היחידה היא לתת קרדיט נאות ליוצרים מ־Arc Institute ולקשר למאמר המקורי שלהם.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס