基因表达数据集：基因表达数据用于变革性机器学习

摘要：该数据集汇集了用于转换式机器学习研究的大规模基因表达数据。

数据集概述

该数据集汇集了用于转换式机器学习研究的大规模基因表达数据。其核心目标是利用多个相关基因预测任务之间的知识联系，提高单个基因表达值的预测能力，并为跨任务迁移和生物信息学机器学习研究提供统一的数据基础。

数据结构与关键特征

数据集按照不同目标基因分别组织，每个基因均提供对应的训练集和测试集CSV文件，例如AARS_base_train.csv与AARS_base_test.csv。所有基因任务采用原研究实验中的相同数据划分，输入特征由数据集作者按照论文方法生成，而目标基因表达值来源于既有基因表达研究数据。

应用价值与研究方向

该数据集可用于基因表达预测、多任务学习、迁移学习、元学习和转换式机器学习研究。研究者可以分析不同基因预测任务之间的关联性，探索知识迁移对小样本基因任务的改善效果，并开发用于疾病机制研究、生物标志物发现和药物反应预测的机器学习模型。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-638
文件大小：1G
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。