基因组特征数据集

摘要：基因组特征数据集是一个面向单细胞组学分析、基因家族研究和多模态单细胞整合的结构化数据集，来源于“Open Problems – Multimodal Single-Cell Integration”相关训练与测试数据。

数据集概述

基因组特征数据集是一个面向单细胞组学分析、基因家族研究和多模态单细胞整合的结构化数据集，来源于“Open Problems – Multimodal Single-Cell Integration”相关训练与测试数据。数据按照不同的基因群或基因家族进行拆分，每个 .csv 文件对应一个特定基因功能类别，并以 cell_id 作为样本索引。数据涵盖免疫受体、细胞黏附分子、细胞因子受体、膜蛋白、酶类以及信号调控相关基因等多个功能模块，可用于分析不同细胞中基因家族的表达模式及其生物学差异。

数据结构与关键特征

该数据集采用“一个基因家族对应一个 CSV 文件”的组织方式，各文件通过 cell_id 与单细胞样本建立对应关系。数据包含多个重要基因功能群，例如 CD_molecules、Interleukin_receptors、Killer_cell_immunoglobulin_like_receptors、Histocompatibility_complex、Integrin_alpha_subunits、Integrin_beta_subunits、Receptor_tyrosine_kinases、Tumor_necrosis_factor_receptor_superfamily、Tetraspanins 以及 Scavenger_receptors 等。除此之外，还包括氨肽酶、金属肽酶、糖基转移酶、蛋白酪氨酸磷酸酶、免疫球蛋白样结构域和趋化因子受体等基因簇，覆盖细胞识别、免疫调控、信号转导、细胞黏附和代谢等多个生物学过程。

应用价值与研究方向

该数据集可广泛应用于单细胞基因表达分析、基因家族功能研究、免疫细胞亚群识别和多组学数据融合等任务。研究人员可以分析不同细胞中某一基因家族的表达差异，识别具有特异表达模式的功能基因簇，并结合聚类、降维和差异表达分析研究细胞类型及功能状态。进一步还可采用随机森林、XGBoost、神经网络、图神经网络和 Transformer 等方法开展细胞分类、基因功能预测、多模态单细胞表征学习以及基因调控网络分析，为免疫学、疾病机制研究和精准医学提供数据支持。

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-457
文件大小：190M
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。