扩展数据:RecurSieve 检测单细胞数据中细微基因表达模式的 Python 包

(B) RecurSieve 与普通随机森林特征重要性的比较。(C) 兴奋性神经元结果。(D) 运行时间与数据集大小的关系

ZenodoZenodo
datacite
浏览 4
基因组分类阿尔茨海默病单细胞数据基因表达RecurSieve机器学习神经系统疾病
Extended data for: RecurSieve: A Python Package Using Iterative Machine Learning to Detect Subtle Gene Expression Patterns in Single-Cell Data

基本信息

模态
基因组
大小
0.00036185 GB
任务类型
分类
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-10-11

资源简介

扩展数据:RecurSieve 检测单细胞数据中细微基因表达模式的 Python 包

(B) RecurSieve 与普通随机森林特征重要性的比较。(C) 兴奋性神经元结果。(D) 运行时间与数据集大小的关系

Extended data for: RecurSieve: A Python Package Using Iterative Machine Learning to Detect Subtle Gene Expression Patterns in Single-Cell Data

【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):Supplemental_Figure_1.pdf 基因交集与运行时间。(A) Wilcoxon 差异表达与 RecurSieve 基因的重叠。(B) RecurSieve 与普通随机森林特征重要性的比较。(C) 兴奋性神经元结果。(D) 运行时间与数据集大小的关系。完整图例包含在文件中。Supplemental_Table_1.xlsx 所有细胞类型合并及每种细胞类型单独的 RecurSieve 基因,附阿尔茨海默病文献证据分级(High、Medium、Low、Emerging)。

【主题与分类】

主题标签:阿尔茨海默病、单细胞数据、基因表达、RecurSieve、机器学习、神经系统疾病。本站分类:神经系统疾病/阿尔茨海默病。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.23197427

使用许可:Creative Commons Attribution 4.0 International。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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.23197427

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 361.9 KB。

数据说明

补充图1.pdf 基因交集与运行时间。(A) Wilcoxon差异表达基因与RecurSieve基因的重叠。(B) RecurSieve与普通随机森林特征重要性的比较。© 兴奋性神经元结果。(D) 运行时间与数据集大小的关系。完整图例见文件。补充表1.xlsx 所有细胞类型合并及每种细胞类型单独的RecurSieve基因,附阿尔茨海默病文献证据等级(高、中、低、新兴)。

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。

获取专属数据定制方案