AnnZarro 论文数据：跨衰老小鼠骨髓 AnnZarro 存储与 Tahoe-100M 全细胞 UMAP

数据集获取

源站：https://doi.org/10.5281/zenodo.23277103

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据集大小约 6.96 GB。

数据说明

AnnZarro手稿（Otto、Baasri和Setty）的数据。分为两部分：bm_aging_annzarro.zarr：一个可直接用于AnnZarro的Zarr存储，包含小鼠骨髓在衰老过程中的单细胞CITE-seq数据（8,090个细胞 × 16,285个基因），来源于Zenodo记录10.5281/zenodo.15587768。该存储包含经过处理的数据，以及Kompot差异表达和丰度（年轻到年老）、scanpy kNN图、Palantir扩散图、细胞间相似性和距离、基因间Spearman相关性、2-D和3-D UMAP、按细胞类型和按年龄的基因统计量，以及论文图表背后的字段。AnnZarro文档、教程和论文图表页面会打开此存储。Tahoe-100M全部细胞（95,624,334个细胞）的UMAP：坐标以该版本的细胞标识符和行顺序为键，另包含UMAP拟合所基于的999,073个参考细胞。该UMAP在分层参考样本（板 × 细胞系）上拟合，其余每个细胞则根据其在PC空间中最近的15个参考细胞进行放置；这是一种样本外投影，而非联合UMAP。用于论文的规模图和基准测试。

README.md 提供了文件布局、校验和、如何在 AnnZarro 中打开存储库、如何将 UMAP 与 Tahoe-100M 连接，以及方法和脚本。两部分均在 CC BY 4.0 下发布；源记录分别为 CC BY 4.0（10.5281/zenodo.15587768）和 CC0 1.0（Tahoe-100M）。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。