recursionpharma/rxrx3-core

RxRx3-core数据集是一个为研究社区优化的表型组学挑战数据集，伴随OpenPhenom发布。它包括735个基因敲除和1,674个小分子扰动的标记图像，使用OpenPhenom计算的图像嵌入，以及包含的小分子与基因之间的关联。数据集包含222,601个孔的6通道Cell Painting图像和相关嵌入，大小小于18Gb，便于研究社区访问。该数据集在药物作用机制映射中具有重要作用，并提供了加载数据集和嵌入的代码示例。

RxRx3-core is a challenge dataset in phenomics optimized for the research community, including labeled images of 735 genetic knockouts and 1,674 small-molecule perturbations, image embeddings computed with OpenPhenom, and associations between the included small molecules and genes. The dataset contains 6-channel Cell Painting images and associated embeddings from 222,601 wells, totaling less than 18Gb, making it highly accessible to the research community.

搜集汇总

数据集介绍

构建方式

RxRx3-core数据集源自著名的RxRx3数据库，专为表型组学研究设计，旨在促进药物与基因相互作用机制的解译。该数据集从RxRx3中精心挑选了735种基因敲除型和1674种小分子扰动实验的标记图像，并融合了由OpenPhenom、MAE-L/8及MAE-G/8等前沿模型计算的图像嵌入向量。此外，还整合了涵盖的小分子与基因之间的关联信息，构成了一个多维度、高质量的复合数据集。其构建过程着重于数据的代表性、多样性以及后续研究的可迁移性，最终以精简高效的格式呈现，极大降低了科研人员的使用门槛。

使用方法

RxRx3-core在Hugging Face上以Datasets库格式发布，加载图像数据极为便捷：只需调用`load_dataset("recursionpharma/rxrx3-core")`即可直接获取训练集。对于需要嵌入向量和元数据的高级分析，可通过`huggingface_hub`的`hf_hub_download`函数分别下载OpenPhenom嵌入文件（Parquet格式）与元数据文件（CSV格式），随后利用Pandas库轻松加载至内存。这种分层的访问方式既满足了快速原型验证的需求，也支持了深度的模型训练与基准测试工作，相关的基准测试代码已在EFAAR和Polaris等开源仓库中同步公开。

背景与挑战

背景概述

RxRx3-core数据集由Recursion Pharmaceuticals于2025年发布，作为OpenPhenom模型的配套资源，旨在推进表型组学领域的研究。该数据集精选自RxRx3，包含735种基因敲除和1,674种小分子扰动的标记图像，并附有OpenPhenom、MAE-L/8和MAE-G/8生成的图像嵌入。通过整合222,601个孔位的六通道细胞绘画图像及相关元数据，RxRx3-core以不到18GB的体量提供了高密度生物学数据的可访问性，其核心研究问题在于解析药物作用的分子机制，特别是药物-靶标相互作用。该数据集在ICLR 2025的LMRL研讨会上发表，为高通量显微镜下的表型分析树立了新基准，对药物发现和精准医学领域产生了深远影响。

当前挑战

RxRx3-core所解决的领域核心挑战在于表型组学中高维图像数据的复杂性，尤其是如何从大规模细胞绘画数据中准确映射药物与基因的相互作用，这一任务涉及浓度-响应关系的精细辨识，传统方法因数据规模大、噪声多而难以高效处理。在数据集构建过程中，挑战主要体现在从RxRx3原始数据中筛选代表性扰动（如735种敲除和1,674种化合物），并确保多通道图像（6通道）与嵌入向量（来自不同预训练模型）的一致性与可比性。此外，压缩至222,601个孔位的数据量仍需维持生物学信息的完整性，同时优化存储（低于18GB）以提升社区可用性，这些步骤对数据标准化和基准测试提出了苛刻要求。

常用场景

经典使用场景

在表型组学与高通量显微镜领域，RxRx3-core数据集作为一项专为科研社区优化的挑战性资源，其核心应用场景聚焦于药物-靶点相互作用预测与基因功能解析。该数据集整合了735种基因敲除与1,674种小分子扰动的细胞染色图像，通过OpenPhenom等模型预提取的嵌入向量，使研究人员能够基于222,601个孔位的六通道图像数据，高效构建基因-药物关联图谱。其设计精巧——不足18GB的体量兼顾了计算可及性与数据广度，特别适合用于训练和评估多模态深度学习模型，以解码高通量表型数据中潜藏的生物学因果机制。

解决学术问题

该数据集精准回应了表型组学领域两大核心难题：如何从高维复杂显微镜数据中可靠映射药物作用机制，以及如何在小样本条件下实现跨扰动类型的泛化预测。此前，研究受限于大规模标注数据缺失与计算成本过高，而RxRx3-core通过提供标准化嵌入与浓度-响应关系基准，首次系统性地将基因敲除与小分子扰动的表型响应统一到可比较的数学空间中。这一突破使得定量解析基因-药物互作网络成为可能，推动了表型组学从描述性研究向因果推断的范式转变，尤其为理解多靶点药物的协同效应和脱靶效应提供了关键数据基础。

实际应用

在生物医药研发实践中，RxRx3-core直接赋能早期药物发现与精准医学评估。制药企业可利用其嵌入特征快速筛选候选化合物，通过比对已知基因扰动表型，预判药物可能影响的生物学通路和潜在毒性。计算生物学家结合浓度-响应曲线，能够构建高精度的药物重定位模型，挖掘现有药物针对新靶点的活性。此外，该数据集已被纳入Polaris基准平台，成为评估化合物-基因活性预测模型的标准测试集，助力工业界在虚拟筛选场景下降低湿实验验证成本，加速先导化合物优化周期。

数据集最近研究

最新研究方向

随着高通量显微成像技术与表型组学的迅猛发展，RxRx3-core数据集为揭示药物-靶点相互作用机制提供了前沿基准。该数据集浓缩了735种基因敲除与1,674种小分子扰动的精细细胞图像与嵌入表征，结合OpenPhenom等先进模型，将海量六通道细胞绘画数据压缩至18GB以下，极大降低了研究门槛。最新研究围绕浓度-反应关系的系统性探测展开，利用该数据集构建的基准测试已在ICLR 2025的LMRL研讨会上发布，推动了从高维生物数据中高效映射药物作用路径的进展。这标志着表型组学在精准药物发现领域迈出了关键一步，强化了可复现的跨学科协作研究范式。