Cell Maps for Artificial Intelligence - June 2025 Data Release (Beta)
Notice bibliographique
Résumé
<h3>Description</h3> <p>This dataset is a revision of the June 2025 Data Release of Cell Maps for Artificial Intelligence (CM4AI; CM4AI.org), the Functional Genomics Grand Challenge in the NIH Bridge2AI program. This revision includes adding RGB immunofluorescent images, corrections to ro-crate metadata, and changes to naming conventions. </p> <p> This Beta release includes perturb-seq data in undifferentiated KOLF2.1J iPSCs; SEC-MS data in undifferentiated KOLF2.1J iPSCs, iPSC-derived NPCs, neurons, cardiomyocytes, and treated and untreated MDA-MB468 breast cancer cells; and IF images in MDA-MB-468 breast cancer cells in the presence and absence of chemotherapy (vorinostat and paclitaxel).</p> <h3>External Data Links</h3> <p>Access external data resources related to this dataset:</p> <ul> <li><strong>Sequence Read Archive (SRA) Data: </strong> Embargoed</li> <li><strong>Mass Spectrometry Data (Human iPSCs):</strong> <a href="https://massive.ucsd.edu/ProteoSAFe/dataset.jsp?task=de876e1d228c4f7ab02f84027894bed7" target="_blank">MassIVE Repository</a></li> <li><strong>Mass Spectrometry Data (Human Cancer Cells):</strong> <a href="https://massive.ucsd.edu/ProteoSAFe/dataset.jsp?task=ad8b8084f5b14af5bafac70fdd42a577" target="_blank">MassIVE Repository</a></li> </ul> <hr></hr> <h3>Data Governance & Ethics</h3> <ul> <li><strong>Human Subjects:</strong> No</li> <li><strong>De-identified Samples:</strong> Yes</li> <li><strong>FDA Regulated:</strong> No</li> <li><strong>Data Governance Committee:</strong> Jillian Parker (jillianparker@health.ucsd.edu)</li> <li><strong>Ethical Review:</strong> Vardit Ravitsky (ravitskyv@thehastingscenter.org) and Jean-Christophe Belisle-Pipon (jean-christophe_belisle-pipon@sfu.ca)</li> </ul> <h3>Completeness</h3> <p>These data are not yet in completed final form:</p> <ul> <li>Some datasets are under temporary pre-publication embargo</li> <li>Protein-protein interaction (SEC-MS), protein localization (IF imaging), and CRISPRi perturbSeq data interrogate sets of proteins which incompletely overlap</li> <li>Computed cell maps not included in this release</li> </ul> <h3>Maintenance Plan</h3> <ul> <li>Dataset will be regularly updated and augmented through the end of the project in November 2026</li> <li>Updates on a quarterly basis</li> <li>Long term preservation in the University of Virginia Dataverse, supported by committed institutional funds</li> </ul> <h3>Intended Use</h3> <p>This dataset is intended for:</p> <ul> <li>AI-ready datasets to support research in functional genomics</li> <li>AI model training</li> <li>Cellular process analysis</li> <li>Cell architectural changes and interactions in presence of specific disease processes, treatment conditions, or genetic perturbations</li> </ul> <h3>Limitations</h3> <p><strong>Researchers should be aware of inherent limitations:</strong></p> <ul> <li>This is an interim release</li> <li>Does not contain predicted cell maps, which will be added in future releases</li> <li>The current release is most suitable for bioinformatics analysis of the individual datasets</li> <li>Requires domain expertise for meaningful analysis</li> </ul> <h3>Prohibited Uses</h3> <ul> <li><strong>These laboratory data are not to be used in clinical decision-making or in any context involving patient care without appropriate regulatory oversight and approval</strong></li> </ul> <h3>Potential Sources of Bias</h3> <p>Users should be aware of potential biases:</p> <ul> <li>Data in this release was derived from commercially available de-identified human cell lines</li> <li>Does not represent all biological variants which may be seen in the population at large</li> </ul>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,321 | 0,420 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».