CompBioDatasetsForMachineLearning 是数据集领域的开源项目，由 AdaptInfer 开发，2016 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 205。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-10。开源免费的数据集清单。
它主要面向的使用场景是：机器学习课题起步时快速筛选可用生物医学数据集。同类可对比的替代方案包括 awesome-bio-datasets、OpenBioML。
CompBioDatasetsForMachineLearning
生物医学机器学习数据集一网打尽，找数据不再翻论文
这是一个面向计算生物学与生物医学机器学习的数据集索引清单，把散落在论文、数据库和竞赛平台中的可用数据集整理成结构化列表，解决研究者找数据难、格式不统一、不知道哪些数据适合训练模型的问题。项目按任务类型（如蛋白质结构预测、基因表达、药物发现、单细胞分析等）和数据类型分类，给出数据集名称、来源链接与简要说明，方便快速筛选。核心能力是人工策展与持续更新，把公开可用的生物医学数据集中到一处，降低数据检索成本，适合作为课题起步、基准测试选型和教学素材的入口。它本身不提供数据下载或预处理工具，而是导航式资源集合。
开源
free
数据集
GitHub 星标
★ 205
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队AdaptInfer
所属国家
定价模式free
价格说明开源免费的数据集清单
访问状态
是否开源是
开源协议
主要语言
技术栈/模型biomedical-data-science,computational-biology,computational-biology-datasets,curated-list,dataset,datasets,machine-learning
GitHub 星标★ 205
30天Star增速
HF 下载量
上线时间2016-10-24 00:00:00
最近更新2026-09-10 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0
使用教程
核心亮点
- 按任务和数据类型分类，覆盖蛋白质、基因组、药物等多领域
- 每条目附来源链接，可直接跳转获取原始数据
- 人工策展并持续更新，比零散搜索更省时
不足之处
- 仅做索引，不提供数据下载、清洗或预处理脚本
- 缺少统一的数据格式说明与规模、许可等元信息
适用场景
- 机器学习课题起步时快速筛选可用生物医学数据集
- 做基准测试前对比不同数据集的适用性
- 教学或组会中整理领域公开数据资源清单
替代项目
awesome-bio-datasets、OpenBioML
项目介绍
下一篇：bigset-oss
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models