Algae Senate 补充数据 S9：Halothece 前瞻性边验证
该数据集为 Algae Senate 研究的补充数据 S9，聚焦 Halothece 重分析的前瞻性边验证，包含 S1 行、访问前冻结与访问后规范格式修订、公开 GSE205640 来源与规范表、冻结分析程序与结果、独立验证程序与结果、仅支持性 TPM 检查、文献审计轨迹、基因、转录组与通路对照，以
基本信息
资源简介
Algae Senate 补充数据 S9：Halothece 前瞻性边验证
Algae Senate — Supplementary Data S9: Halothece prospective edge validation
该数据集为 Algae Senate 研究的补充数据 S9，聚焦 Halothece 重分析的前瞻性边验证，包含 S1 行、访问前冻结与访问后规范格式修订、公开 GSE205640 来源与规范表、冻结分析程序与结果、独立验证程序与结果、仅支持性 TPM 检查、文献审计轨迹、基因、转录组与通路对照，以及 CAMERA 相关性敏感性程序与输出。数据为模型衍生或确定性处理输出，不重新分发出版商许可的全文，可用于知识图谱增强的 AI 协同科学家场景下的可复现性验证与假设生成研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：补充数据 S9：Halothece 重分析的确切 S1 行、其访问前冻结和访问后规范格式修订、公开的 GSE205640 来源和规范表、冻结的分析程序和结果、独立验证程序和结果、仅支持性 TPM 检查、文献审计轨迹、基因、转录组和通路对照，以及 CAMERA 相关性敏感性程序和输出。补充至《The Algae Senate: a knowledge-graph-augmented AI co-scientist》。记录为模型衍生或确定性处理输出；不重新分发出版商许可的全文。
【主题与分类】
主题标签：knowledge graph、algae、cyanobacteria、large language model、provenance、hypothesis generation。本站分类：肿瘤/间变性大细胞淋巴瘤。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23212335
使用许可：Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.23212335
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
补充数据S9：Halothece再分析的确切S1行、其访问前冻结与访问后规范格式修订、公开的GSE205640源表与规范表、冻结的分析程序与结果、独立验证程序与结果、仅作支持的TPM检查、文献审计追踪、基因、转录组与通路对照，以及CAMERA相关性敏感性程序与输出。为《藻类参议院：一种知识图谱增强的AI联合科学家》的补充材料。记录为模型衍生或确定性处理输出；不重新分发任何出版商授权全文。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
