wholebrain_crispr_atlas

מה זה

המאגר כולל 7.7 מיליון תאים שנאספו מרקמת מוח של עכברים משני המינים, תוך מדידת ביטוי של 19,070 גנים לצד 8,588 מולקולות מדריך. הניסוי בוחן השתקה של קרוב לאלפיים גנים הקשורים למחלות נוירולוגיות, פסיכיאטריות ומטבוליות ישירות ברקמה החיה ולא בתרביות.

הנתונים מאורגנים בכמה שכבות. יש קובצי פרקט שמחזיקים את ביטוי הגנים והמטא-דאטה ברמת התא והגן, קובצי h5ad מחולקים לפי ערוצי דגימה לעבודה עם כלי ביואינפורמטיקה, וארכיון zarr מעובד מראש. לצדם מופיעים נתוני ניתוח ששימשו לשחזור איורים במאמר המקורי, כולל בדיקות מובהקות וספירות מדריכים.

הסיווג התאי נשען על הטקסונומיה של מכון אלן למוח העכבר, עם ניבויי שיוך לאזורים ולסוגי תאים שונים, לצד ציוני איכות סטטיסטיים כמו זיהוי צמדי תאים ומדדי רעש רקע.

מתאים ל

• אימון מודלי ביולוגיה

  אימון מודלי יסוד לחיזוי שינויים בביטוי גנים בעקבות השתקה גנטית בסוגי תאים שונים.

• בדיקת השפעת מחלות

  ניתוח מנגנונים מולקולריים המקושרים לגנים של מחלות ניווניות ופסיכיאטריות ישירות ברקמה.

• ולידציה להפרדת סוגי תאים

  הערכת ביצועים של כלים אלגוריתמיים לסיווג תאי מוח והפרדת רעשי רקע של ביטוי גנטי.

איפה זה נופל

הנתונים מגיעים מרקמת מוח של עכבר בלבד, ולכן הסקת מסקנות על מוח אנושי דורשת זהירות והתאמות גנטיות. כמות הנתונים עצומה ויש לבצע סינון ידני על בסיס משתנה האיכות, כי המאגר כולל תאים עם רעש, צמדים ותאים שבהם לא נקלט מדריך תקין המסומנים כ־Negative. בנוסף, כל המטא-דאטה באנגלית ומתבסס על ניבויי סיווג אלגוריתמיים של מכון אלן ולא על ולידציה ידנית לכל תא.

איך טוענים

טעינה ישירה מתבצעת דרך ספריית datasets באמצעות פקודת load_dataset לקובצי הפרקט, ומומלץ לעבוד במצב סטרימינג כדי לא לחנוק את הזיכרון. אין צורך באישור גישה מראש. אם עובדים בביואינפורמטיקה, קובצי ה־h5ad נפתחים במצב backed דרך anndata או כארכיון zarr. שדה המפתח לסינון ראשוני הוא passes_qc, שמסמן תאים שעמדו ברף של לפחות אלפיים גנים שזוהו, נפסלו כצמדי תאים ועברו סף רעש רקע.

from datasets import load_dataset

ds = load_dataset("perturbai/wholebrain_crispr_atlas")

הרישיון

המאגר שוחרר תחת רישיון cc-by-4.0. מותר להשתמש בו לצרכים מחקריים ומסחריים, לשנות את הנתונים ולשלב אותם בפיתוחים פנימיים. חובת השימוש היחידה היא מתן קרדיט מתאים ליוצרים המקוריים. אימון מודל על המאגר אינו מחייב את שחרור המודל באותו רישיון.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא ב־Hugging Face ↗