datasets 是数据集领域的开源项目，由 ncbi 开发，2020 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 559。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-17。NCBI官方免费公共数据资源。从国内网络环境看，可直接访问。
它主要面向的使用场景是：比较基因组学研究中批量获取多个物种的参考基因组。同类可对比的替代方案包括 Entrez Direct、Biopython、genomepy。
datasets
一条命令批量下载 NCBI 基因组数据，省去手动检索。
NCBI Datasets 是 NCBI 官方推出的数据获取工具，旨在解决基因组学研究中从 NCBI 多个数据库（如 GenBank、RefSeq、SRA 等）手动检索、下载和整合数据繁琐的问题。它提供统一的命令行工具和 Python 库，支持按物种、分类群或 accession 批量获取基因组序列、注释、转录本和元数据，并自动处理格式转换与版本追踪。核心能力包括：通过 datasets 命令行快速下载基因组包，用 Python API 编程访问，支持 JSON/FASTA/GFF3 等格式输出，以及跨数据库关联查询。项目以 Jupyter Notebook 提供大量示例，降低使用门槛。适合生物信息学分析、比较基因组学和数据库构建等场景，帮助研究人员节省数据收集时间，确保数据来源可追溯。
开源
free
数据集
GitHub 星标
★ 559
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ncbi
所属国家
定价模式free
价格说明NCBI官方免费公共数据资源
访问状态
是否开源是
开源协议NOASSERTION
主要语言Jupyter Notebook
技术栈/模型genomics-data,ncbi
GitHub 星标★ 559
30天Star增速
HF 下载量
上线时间2020-04-07 00:00:00
最近更新2026-09-17 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
- 官方维护，数据来源权威且更新及时
- 命令行与 Python API 双接口，支持批量下载和自动化流程
- 提供丰富的 Jupyter Notebook 示例，上手快
不足之处
- 依赖 NCBI 服务，网络不稳定时下载易失败
- 文档以英文为主，中文资料较少
适用场景
- 比较基因组学研究中批量获取多个物种的参考基因组
- 构建本地基因组数据库时自动同步 NCBI 最新版本
- 生物信息学教学演示中快速准备数据集
替代项目
Entrez Direct、Biopython、genomepy
项目介绍
上一篇：dataset-viewer
下一篇：giga-datasets
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