tahoe-100m-zarr

Tahoe-100M Zarr Collection是一个专为单细胞RNA测序（scRNA-seq）数据设计的开源数据集，源自Arc Virtual Cell Atlas（Tahoe-100M），并以Zarr格式存储，以支持高效的分块按需访问。数据集包含一个快速入门样本（150,000个细胞）和14个分片存储的完整生产集合（总计100,648,790个细胞），旨在支持大规模单细胞分析和生物信息学机器学习任务。数据采用Blosc zstd压缩算法，显著减小了存储需求（压缩比约100倍以上），并优化了访问速度。数据集适用于单细胞分析预处理、特征提取、嵌入任务以及I/O性能基准测试。使用建议包括利用快速入门样本进行开发和演示，以及分片处理完整集合以适应内存限制。