Bulk_scRNA 批量单细胞基因表达数据集
数据集简介
Dataset card
Bulk_scRNA 数据集由 Hasi10 在 HuggingFace 平台发布,主要提供批量 RNA 测序(Bulk RNA-seq)与单细胞 RNA 测序(scRNA)相关的基因表达数据。数据以表格形式存储,每一行对应一个基因(以 gene_id 标识),每一列对应一个癌细胞系的表达量(float64 类型)。数据集覆盖多种癌细胞系,例如 A549_LUNG(肺癌)、MCF7_BREAST(乳腺癌)、22RV1_PROSTATE(前列腺癌)等,为癌症研究提供丰富的表达谱数据。
Data Studio
数据集的列结构包含 gene_id(字符串类型)以及各细胞系表达量列(float64 类型)。部分文件还包含 CCLE_expression_column、CCLE_ID、depMapID、CCLE_Name 等列,这些列可能来自 CCLE(Cancer Cell Line Encyclopedia)或 DepMap(DepMap Portal)项目,用于提供细胞系的标识与注释信息。
Files Files and versions
数据集文件采用 Parquet 格式,这是一种高效的列式存储格式,适合大规模表格数据的存储与读取。用户可通过 HuggingFace 数据集页面直接浏览和下载文件。需要注意的是,数据集中部分文件的列名与其他文件不一致,例如某些文件包含 CCLE_expression_column、CCLE_ID、depMapID、CCLE_Name 四列,而其他文件可能没有这些列。这种不一致可能导致在加载数据集时出现自动转换失败的问题,建议用户在使用前检查文件列结构。
Community
该数据集在 HuggingFace 社区中公开共享,用户可以在数据集页面查看讨论、提出问题或贡献内容。数据集卡片提供了社区互动入口,便于研究者交流使用经验与问题反馈。
数据格式与访问
- 格式:Parquet
- 列结构:gene_id(string)、细胞系表达量列(float64)、部分文件含 CCLE_expression_column、CCLE_ID、depMapID、CCLE_Name(string)
- 访问方式:通过 HuggingFace 数据集页面免费访问,无需付费或特殊权限
- 发布/更新日期:2026-08-13
使用建议
由于数据集部分文件列名不一致,建议在加载数据时先检查各文件的列结构,必要时进行列对齐或筛选。对于需要统一列名的应用场景,可考虑仅使用列结构一致的文件,或自行处理列差异。