EN

大型扰动数据集：各记录就规模、体系与来源所述内容

作者：GlioState 编辑团队 · 发布 · 最后更新

待审阅 版本 0.1.0 · 状态：初稿 · 最近专家审阅：尚未审阅

层级：通用层 · 组织范围：癌细胞系

研究问题

  • 文献库中收录了哪些大型扰动数据集与建库平台，其记录就规模与细胞体系说明了什么？
  • 哪些陈述属于数据生产方的自述而非独立评估？

当前认识

我们对文献库记录的阅读：文献库中的大型扰动资源由少数生产方产生，主要由这些生产方自行描述。记录涵盖：K562/RPE1 的全基因组规模 Perturb-seq（同行评审）、含 1 亿个细胞的药物扰动图谱（Cell 同行评审记录加一条预印本记录）、Xaira 的全基因组 Perturb-seq、Arc 为 2026 虚拟细胞挑战赛专门生成的数据集，以及一种基于探针的建库方法。记录给出规模与体系，但并未对数据质量作独立评估。确定性：对“记录如此所述”为高；未作独立评估。

范围与阅读方式。范围：仅依据文献库记录（标题、发表载体、一句话摘要与核验来源）；本页未通读全文，下列陈述均限于这些记录所述。预印本已标注，未经同行评审。本页不对胶质瘤或其他肿瘤作任何论断。 VC0040 VC0041 · 预印本

全基因组规模 Perturb-seq（同行评审）。Cell 2022 记录为 Replogle 等的全基因组规模 Perturb-seq 研究，记录为 K562/RPE1 基准数据。数据许可为 CC BY 4.0，已由 Figshare+ 仓库页面核验（为数据许可，而非论文许可）。 VC0040

Tahoe-100M。有两条记录：bioRxiv 预印本（1 亿个细胞，覆盖 50 个癌细胞系的 1100 种药物；预印本）与同行评审的 Cell 2026 记录。数据在 Hugging Face 仓库页面上为 CC0 1.0，已核验；访问未设门槛。确定性：规模按记录所述为高；两条记录描述同一资源，不应计为两个数据集。 VC0041 · 预印本 VC0042

X-Atlas/Orion（Xaira；预印本）。记录为用可扩展的固定-冷冻保存平台生成的全基因组 Perturb-seq 数据集。Hugging Face 仓库标注 CC BY-NC-SA 4.0（可免费访问，但并非允许商业使用的开放许可），核验于 2026-10-16。另一条相关记录描述用于虚拟细胞扰动图谱的可扩展探针式单细胞建库（预印本）。 VC0045 · 预印本 VC0046 · 预印本

为挑战赛构建的数据集。Arc 描述了 2026 虚拟细胞挑战赛数据集的生成方式：在六个人类细胞系中进行 CRISPRi Perturb-seq，使用 10x Flex 建库，每个细胞系有超过 10,000 个扰动和 100 个非靶向 guide，仅保留靶点敲低中位数不低于 80% 的扰动，并对每个扰动下采样至 400 个细胞。这是机构自述，并非独立评估，也未报告任何模型结果。任务为零样本：仅提供未扰动细胞。挑战赛记录称六个细胞系中三个用于验证、三个留出。 VC0143 VC0107

单一体系研究的预印本。一篇 bioRxiv 预印本（Norman/Dey 实验室）记录为：在 RPE-1 中对 119 个转录因子进行 CRISPRa Multiome Perturb-seq，并对 1,225 个 TF 对进行双 guide Perturb-seq；Transformer 模型 Mosaic 预测 TF 对相互作用残差（r = 0.484），并提名了记录称已验证的三 TF 组合。它是非癌细胞系中的扰动资源，而非通用基准，且未经同行评审。 VC0139 · 预印本

证据图谱

原始研究与数据集

  • VC0040 Mapping information-rich genotype-phenotype landscapes with genome-scale Perturb-seq. — Replogle JM et al., Cell, 2022
  • VC0041 · 预印本 Tahoe-100M : A Giga-Scale Single-Cell Perturbation Atlas for Context-Dependent Gene Function and Cellular Modeling — Zhang J et al., bioRxiv, 2025
  • VC0042 Tahoe-100M: Mapping drug-induced molecular phenotypes at single-cell resolution. — Zhang J et al., Cell, 2026
  • VC0045 · 预印本 X-Atlas/Orion: Genome-wide Perturb-seq Datasets via a Scalable Fix-Cryopreserve Platform for Training Dose-Dependent Biological Foundation Models — Huang AC et al., bioRxiv, 2025
  • VC0143 Generating high-quality Perturb-seq data for the 2026 Virtual Cell Challenge — Arc Institute, Arc news, 2026
  • VC0139 · 预印本 Engineered regulatory states resolve context-dependent genetics in macular degeneration — Metzner E, Guruvayurappan K, Southard KM, Ardy RC, Dey KK, Norman TM., bioRxiv, 2026

相关模型与工具

  • VC0046 · 预印本 Scalable probe-based single-cell transcriptional profiling for virtual cell perturbation mapping and synthetic biology phenotyping — Swinderman JT et al., bioRxiv, 2026
  • VC0107 Virtual Cell Challenge 2026 (zero-shot, 6 unseen cell lines) — Arc Institute, virtualcellchallenge.org, 2026

本页引用文献库条目 8 条，其中预印本（未经同行评审）4 条。

本页涉及的实体

尚不确定之处

记录给出的是数据生产方所述的规模与体系；文献库未记录对数据质量、批次结构或复用情况的独立评估。 VC0040 VC0045 · 预印本 VC0143

所记录的细胞体系均为细胞系（K562、RPE1、50 个癌细胞系、六个人类细胞系、RPE-1）；记录并未确立在这些数据上训练或测试的模型在原代组织或其他情境中的表现。 VC0040 VC0041 · 预印本 VC0143 VC0139 · 预印本

仅供科研与教育参考，不构成医疗建议，也不构成对任何诊疗或产品的推荐。患者请咨询主治医生。