---
title: alphagenome_dataset
canonical_url: "https://www.modelscope.cn/datasets/OneScience/alphagenome_dataset"
md_url: "https://www.modelscope.cn/datasets/OneScience/alphagenome_dataset.md"
repository: OneScience/alphagenome_dataset
last_updated: 2026-07-22
license: other
storage_size: "114 GB"
downloads: 2609
stars: 0
---

# alphagenome_dataset

> alphagenome_dataset - OneScience 在 ModelScope 开源的数据集。AlphaGenome Dataset 是供 OneScience AlphaGenome 模型使用的参考基因组、注释文件和 TFRecord 数据整理包。

OneScience/alphagenome_dataset 是 ModelScope 魔搭社区上的数据集，存储大小 114 GB，采用 other 许可。

- **Repository**: OneScience/alphagenome_dataset
- **License**: other
- **Storage size**: 114 GB
- **Downloads**: 2609
- **Stars**: 0
- **Last updated**: 2026-07-22

Source: https://www.modelscope.cn/datasets/OneScience/alphagenome_dataset

---

<p align="center">
  <strong>
    <span style="font-size: 30px;">AlphaGenome Dataset</span>
  </strong>
</p>

## 数据集描述

AlphaGenome Dataset 是供 OneScience AlphaGenome 模型使用的参考基因组、注释文件和 TFRecord 数据整理包。

参考资源包括人类 GRCh38.p13、小鼠 GRCm38.p6、FAI 索引、Gencode 注释、剪接位点和 polyA 注释；TFRecord 数据包含 HOMO_SAPIENS VALID split 的 12 个 bundle，每个 bundle 25 个 gzip 压缩分片。

## 数据集支持的任务

本数据集适配 `OneScience/alphagenome/`。模型仓库默认期望本数据集位于模型包 `data/alphagenome_dataset`，用于预检、区间推理、变异评分和轨迹预测评测。

## 数据集的格式和结构

TFRecord 文件路径形如：

```text
v1/train/ALL_FOLDS/HOMO_SAPIENS/VALID/<BUNDLE>/data_chrAll_01-25.gz.tfrecord
```

Bundle 包括 ATAC、DNASE、PROCAP、CAGE、RNA_SEQ、CHIP_TF、CHIP_HISTONE、CONTACT_MAPS、SPLICE_SITES、SPLICE_SITE_USAGE、SPLICE_JUNCTIONS 和 SPLICE_SITE_POSITIONS。每条样本包含 DNA 序列、区间染色体/start/end 元数据、目标张量和 mask；dtype 与 resolution 见 `metadata/schema.yaml`。

## 数据集使用方式

### 文件与下载

独立下载：

```bash
modelscope download --dataset OneScience/alphagenome_dataset --local_dir .
```

在模型包内使用：

```bash
modelscope download --dataset OneScience/alphagenome_dataset --local_dir data/alphagenome_dataset
```

### 数据放置与验证

作为模型依赖使用时，推荐目录结构：

```text
<model-package>/data/alphagenome_dataset/
├── manifest.yaml
├── metadata/
├── reference/
└── v1/train/ALL_FOLDS/HOMO_SAPIENS/VALID/
```

快速验证文件存在、大小和 gzip 可读性：

```bash
python scripts/validate_dataset.py --root .
```

全量 SHA256 验证可加 `--check-sha256`。

## OneScience 官方信息

| 平台 | OneScience 主仓库 | Skills 仓库 |
|---|---|---|
| Gitee | https://gitee.com/onescience-ai/onescience | https://gitee.com/onescience-ai/oneskills |
| GitHub | https://github.com/onescience-ai/OneScience | https://github.com/onescience-ai/oneskills |

## 限制与许可证

license: mixed
license_note: >
  AlphaGenome training, validation and test datasets contain reprocessed
  data from FANTOM5, 4D Nucleome, ENCODE and GENCODE. Usage is subject
  to the respective source-specific licenses and data-use policies.
  Other unspecified materials are licensed under CC BY-NC 4.0.