Tahoe-100M

内容与规模

由 Tahoe Therapeutics（原 Vevo）生产：约 1 亿个转录组、约 6 万个条件、50 个癌细胞系，数据约 429 GB [1][2]。药物数各源不一致：1,100+、1,200，而 HF 元数据表仅 379 行（Parse 海报亦写 379），论文复核前只宜引"约 1 亿细胞、50 癌系" ⚠️ [1][3]。

生产方式

Parse GigaLab 的 split-pool 组合条形码建库加 Ultima Genomics UG100 测序，湿实验部分约 1 个月完成 [2]。

格式与 license

HF 数据卡为 CC0-1.0，可商用与再训练 [1]。已并入 Arc Virtual Cell Atlas。

哪些模型用

Tahoe 自家 Tahoe-x1（约 2.66 亿细胞预训练，含本数据）、Arc State 等虚拟细胞模型的训练与基准。

已知缺陷

药物数口径冲突；药物扰动偏癌细胞系，未覆盖原代组织。建造总成本未披露，参见 每数据点成本。

来源

1. https://huggingface.co/datasets/tahoebio/Tahoe-100M (2026-10-15)
2. https://www.parsebiosciences.com/webinars/generating-a-100m-cell-atlas-for-ai-powered-drug-discovery/ (2026-10-15)
3. https://resources.parsebiosciences.com/poster-unleashing-the-power-of-ai-driven-drug-discovery-with-a-100-million-single-cell-atlas (2026-10-15)