Human Cell Atlas
国际单细胞图谱联盟及其数据门户，规模为二手口径
- 数据类型
- 单细胞图谱
- 规模口径
- 约 6,200 万细胞 / 9,100 位供者（二手，2025-01）
- 链接
- data.humancellatlas.org
内容与规模
HCA 是 2016 年启动的国际联盟，目标是绘制人体所有细胞类型，数据通过 Data Portal 提供。二手口径：2025-01 更新含约 6,200 万细胞、9,100 位供者；官方页未给精确数字 ⚠️ [1][2]。
格式与 license
数据由各贡献实验室提交，门户做统一元数据；许可条款未查到，部分数据同时出现在 CZ CELLxGENE Discover / Census 中。
哪些模型拿它训练或评测
未核到明确声明以 HCA 门户为训练语料的模型；其数据主要经 CZ CELLxGENE Discover / Census 等再处理库间接进入 scGPT 一类单细胞基础模型的预训练。
已知偏差与泄漏
供者数量虽多，但组织覆盖不均，偏向易获取的血液和免疫组织；同一数据在 HCA 门户、CELLxGENE 和 GEO 中多处存在，跨库合并时去重不严会造成评测泄漏，见 数据泄漏（训练-测试泄漏）。HCA 提供的是正常/参考细胞，缺少扰动标签。
来源
相关卡片
Chan Zuckerberg Biohub公司与机构 · 美国
CZI Science 与 Biohub 合并，并入 EvolutionaryScale 团队
Arc Virtual Cell Atlas数据集 · 美国
Arc 整合 scBaseCount 与 Tahoe-100M 的 3 亿+ 细胞公开图谱
CZ CELLxGENE Discover / Census数据集 · 美国
CZI 策展的单细胞库，约 2.18 亿细胞（去重约 1.25 亿）
GEO 与 SRA数据集 · 美国
NCBI 的功能基因组与原始测序档案，单细胞公共数据的上游
scGPT论文与基准 · 全球
3,300 万正常人类细胞预训练，数据主要来自 CELLxGENE
卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。