- 综合排序
- 最热优先
- 最新优先
- 来自专栏小汪Waud
科学术语扫盲：Zenodo
1Zenodo 是啥 官方的解释为 ZENODO is a CERN Data Centre-backed research data repository for the long-tail of science Zenodo作为一个开放获取的数字存储库和数据存储平台，具有以下主要功能： 存储和分享科学研究成果：用户可以将科学论文、数据集、软件代码、预印本、技术报告等各种科研成果上传至Zenodo平台，进行存储和分享 元数据管理：Zenodo支持用户为上传的项目添加详细的元数据，包括标题、作者、摘要、关键词等信息，以便更好地描述和分类研究成果。 版本管理：Zenodo允许用户管理多个版本的同一项目。 Zenodo支持各种常见的开放许可证，如CC BY、CC0等。 其官网给了以下使用 Zenodo 的理由 安全——只要CERN存在，您的研究就可以安全地存储在CERN的数据中心，以备将来使用。 GitHub集成--在Zenodo中轻松保存您的GitHub存储库。
5.9K30编辑于 2023-09-18 - 来自专栏生信技能树
学术海报发表在Zenodo就可以被正规引用啦
Zenodo 是一个开放的研究数据存储和共享平台，旨在促进学术界内的数据、出版物和其他研究成果的共享。 以下是 Zenodo 平台的主要学术功能： 数据存储和共享： Zenodo 提供了一个安全的存储环境，使研究人员能够将各种类型的研究数据上传、存储和共享。 永久性标识符（DOI）分配： Zenodo 为每个上传的数据集或文件分配唯一的永久性标识符（DOI）。 与 GitHub 集成： Zenodo 与代码托管平台 GitHub 集成，使您能够将代码仓库与 Zenodo 数据集关联，从而将代码与相关数据和出版物一起存储和共享。 Zenodo. https://doi.org/10.5281/zenodo.8146428
2.4K20编辑于 2023-09-04 - 来自专栏一个有趣的灵魂W
期待各位引用：PM2.5、SO2和臭氧的1km分辨率数据集
数据集可在以下获取 https://doi.org/10.5281/zenodo.7533813 (Chi et al. 2023a), https://doi.org/10.5281/zenodo.7547774 (Chi et al. 2023b), https:/ /doi.org/10.5281/zenodo.7312179（Chi 等人，2023c），https://doi.org/10.5281/zenodo zenodo.7580726（Chi 等人 2023f）。 ://doi.org/10.5281/zenodo.7547774 (Chi et al. 2023b) SO2 https://doi.org/10.5281/zenodo.7312179 (Chi et al. 2023c) https://doi.org/10.5281/zenodo.7580714 (Chi et al. 2023d) O3 https://doi.org/10.5281/zenodo
47820编辑于 2023-09-01 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——长期无缝隙高分辨率空气污染物（LGHAP）
Zenodo. https://doi.org/10.5281/zenodo.5652257 Kaixu Bai, Ke Li, Zhuo Tan, Di Han, & Jianping Guo. ( Zenodo. https://doi.org/10.5281/zenodo.5652265 Kaixu Bai, Ke Li, Zhuo Tan, Di Han, & Jianping Guo. ( Zenodo. https://doi.org/10.5281/zenodo.5652263 Kaixu Bai, Ke Li, Zhuo Tan, Di Han, & Jianping Guo. ( Zenodo. https://doi.org/10.5281/zenodo.5655797 Kaixu Bai, Ke Li, Zhuo Tan, Di Han, & Jianping Guo. ( Zenodo. https://doi.org/10.5281/zenodo.5655807 数据预处理 所有的数据集都是以netCDF文件格式提供的，作者确实提供了一些与geotiff对话的代码。
54610编辑于 2024-02-02 - 来自专栏气象学家
Nature文章的数据和代码：降雨量变化对经济产出的影响
封面图片：Rolf Poetsch/Chromorange/Alamy 全部数据和代码发布在zenodo https://zenodo.org/record/5657457 Kotz, M., Levermann 10.1038/s41586-021-04283-8 Economic data are derived from the DoSE database: https://doi.org/10.5281/zenodo changes on economic production 参考： https://www.nature.com/articles/s41586-021-04283-8#citeas https://zenodo.org
64920编辑于 2022-03-31 - 来自专栏单细胞天地
如何整合10x和smart-seq2技术平台的单细胞转录组数据
cellular immune responses in chronic hepatitis B patients》，它使用了Python编程语言的scanpy进行整合，值得分享： https://zenodo.org /records/8399409 https://zenodo.org/records/8399458 https://zenodo.org/records/8399475 使用 BBKNN batch results_folder, myres=1) adata 但是肉眼看起来效果不太好： 效果不太好 文章是如下所示的方法学描述： 方法学描述 该研究的表达量矩阵以及对应的Python代码都是公开的： https://zenodo.org /records/8399409 https://zenodo.org/records/8399458 https://zenodo.org/records/8399475 感兴趣的可以下载去读一下哈！
1.6K11编辑于 2024-04-28 - 来自专栏生信菜鸟团
【文章荐读】：中性粒细胞图谱揭示抗肿瘤抗原递呈效力
文章提供了处理好rds数据: http://www.pancancer.cn/neu 代码也非常详细： All original code has been deposited at GitHub and Zenodo and is available at https://github.com/wu-yc/neutrophil (https://doi. org/10.5281/zenodo.10531210) and https://github.com/wu-yc/scProgram (https://doi.org/10.5281/zenodo.10531218) 可以直接对照原文的图跑，对于想上手练习的小伙伴非常友好
24010编辑于 2024-06-27 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——巴西33年次生林年龄基准图v3（1986-2019）
在这里阅读数据集的论文和细节Benchmark maps of 33 years of secondary forest age for Brazil | Zenodo 引用： Silva Junior -4 You can access the dataset here: Benchmark maps of 33 years of secondary forest age for Brazil | Zenodo Zenodo. http://doi.org/10.5281/zenodo.3928660 Earth Engine Snippet¶ var forest_age = ee.Image('users/ hideCode=true Zenodo Data download page: https://zenodo.org/record/3928660 Created and Curated by: Celso
34210编辑于 2024-02-02 - 来自专栏简说基因
经典教程：全转录数据分析实战
获取数据 我们分析的第一步是从 Zenodo 获取 miRNA-Seq 数据集，并将数据集组织成集合。 实践操作：检索 miRNA-Seq 和 mRNA-Seq 数据集 为本教程创建一个新的历史记录 create_history 从 Zenodo 导入文件： 打开upload菜单 点击Rule-based 实践操作：检索额外的数据集 从 Zenodo 导入文件： 打开面板上的 upload菜单 上传数据为：Datasets 再次，复制表格数据，粘贴到文本框中，然后按“build” SRR11611349 实践操作：获取完整 miRNA 数据集上的 DESeq2 分析结果 从 Zenodo 导入文件： 打开 上传 菜单 单击 Paste/Fetch 按钮 复制 Zenodo 链接并点击 Start https 实践操作：检索完整 mRNA 数据集上的 DESeq2 分析结果 从 Zenodo 导入文件： 点击 upload 菜单 点击 Paste/Fetch 按钮 复制 Zenodo 链接并按“Start”
74010编辑于 2024-04-03 - 来自专栏简说基因
经典教程：全转录数据分析实战
获取数据 我们分析的第一步是从 Zenodo 获取 miRNA-Seq 数据集，并将数据集组织成集合。 实践操作：检索 miRNA-Seq 和 mRNA-Seq 数据集 为本教程创建一个新的历史记录 [图片]create_history 从 Zenodo 导入文件： 打开upload菜单 点击Rule-based 实践操作：检索额外的数据集 从 Zenodo 导入文件： 打开面板上的 upload菜单 上传数据为：Datasets 再次，复制表格数据，粘贴到文本框中，然后按“build” SRR11611349 实践操作：获取完整 miRNA 数据集上的 DESeq2 分析结果 从 Zenodo 导入文件： 打开 上传 菜单 单击 Paste/Fetch 按钮 复制 Zenodo 链接并点击 Start https 实践操作：检索完整 mRNA 数据集上的 DESeq2 分析结果 从 Zenodo 导入文件： 点击 upload 菜单 点击 Paste/Fetch 按钮 复制 Zenodo 链接并按“Start”
55100编辑于 2025-01-19 - 来自专栏气python风雨
读者答疑 | WRF土地利用类型如何修改？两份中国区域现成数据详解与使用指南
好消息是，小编几年前在气象家园论坛就刷到相关的帖子，Zenodo平台上已经有研究者上传了两份专门针对WRF/WPS预处理系统的中国区域土地利用数据，下载后经过简单配置即可直接运行geogrid.exe调用 数据集一：Land cover for WRF in China（300m，2019年） 3.1 基本信息 数据集名称：Land cover for WRF in China 发布平台：Zenodo 记录号 数据格式：WRF/WPS geogrid二进制格式（已包含index文件） 下载链接：https://zenodo.org/records/4915766 3.2 数据说明 该数据集由研究者Chao Gao等专门制作并上传至Zenodo，目标是为WRF模式提供可直接接入WPS系统的中国区域高分辨率土地覆盖数据。 使用方法：在WPS中配置并运行 两份数据集均为WRF/WPS geogrid格式，使用步骤基本一致，具体如下： 6.1 下载与解压 访问上述Zenodo链接，下载数据集压缩包，解压至本地。
12010编辑于 2026-04-24 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——全球250米处预测的土壤数据（概率）制作来自美国农业部
Zenodo. 10.5281/zenodo.1476844 Predicted USDA soil great groups at 250 m (probabilities) | Zenodo var
28910编辑于 2024-02-02 - 来自专栏生信技能树
空转细胞生态位cell type niches：Nature杂志空间转录组文献分享（附代码和数据）
空转示例下载地址： # 下载数据 download.file("https://zenodo.org/records/6580069/files/10X_Visium_ACH005.tar.gz? 空间转录组数据下载地址： cellxgene：https://cellxgene.cziscience.com/collections/8191c283-0816-424b-9b61-c3e1d6258a77 the Zenodo data archive：https://zenodo.org/record/6578047 原始fq数据地址： the Human Cell Atlas Data Portal：https://data.humancellatlas.org /explore/projects/e9f36305-d857-44a3-93f0-df4e6007dc97 the Zenodo data archive https://zenodo.org/record /6578553 https://zenodo.org/record/6578617 https://zenodo.org/record/6580069 Source data：https://www.nature.com
1.9K10编辑于 2025-04-21 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——全球土壤6个标准深度（0、10、30、60、100和200厘米）的土壤有机碳含量，单位为x 5 g/kg，分辨率为250米
Zenodo. 10.5281/zenodo.1475457 Soil organic carbon content in x 5 g / kg at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution | Zenodo 代码： var dataset = ee.Image("OpenLandMap/SOL/SOL_ORGANIC-CARBON_USDA
54410编辑于 2024-02-02 - 来自专栏一个有趣的灵魂W
MuAP多种大气污染物空间分布数据集2021-2023共享-NO2
https://zenodo.org/records/14197785 另外，如果需要2015-2020年每日中国MuAP数据集，可以通过以下方式参考： PM2.5: https://zenodo.org /records/8093749 O3: https://zenodo.org/records/8180923 SO2: https://zenodo.org/records/8093749 感谢阅读！
27010编辑于 2024-11-23 多模态分布外不确定性量化提升多靶点药物亲和力预测
LIT-PCBA数据集从官方LIT-PCBA项目网站下载，相关蛋白质复合物通过Zenodo获取。实验中使用的基于支架分割的数据以及补充信息中引用的基于UMAP分割的数据均通过Zenodo提供。 代码可用性本工作的代码通过GitHub和Zenodo提供。
11110编辑于 2026-01-09- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——全球树木异体测量和树冠结构（Tallo）数据库
你可以在这里阅读该论文，并从以下网站下载该数据库Tallo database | Zenodo 参考文献 Jucker, Tommaso, Fabian Jörg Fischer, Jérôme Chave Zenodo. https://doi.org/10.5281/zenodo.6637599 Earth Engine Snippet: Distance to Second Class¶ var tallo
44010编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine——全球土壤体积密度数据集在6个标准深度（0、10、30、60、100和200厘米）的土壤体积密度（细土）10 x kg / m3，分辨率250米。
Zenodo. 10.5281/zenodo.1475970 Soil bulk density (fine earth) 10 x kg / m-cubic at 6 standard depths (0, 10, 30, 60, 100 and 200 cm) at 250 m resolution | Zenodo 代码： var dataset = ee.Image("OpenLandMap/
37810编辑于 2024-02-02 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——CCNL：DMSP-OLS (1992-2013) 的校正的夜间灯光数据集（全球夜间灯光数据）
Zenodo. https://doi.org/10.5281/zenodo.6644980 代码： var dataset = ee.ImageCollection('BNU/FGS/CCNL/ 可以通过下面链接下载： A Consistent and Corrected Nighttime Light dataset (CCNL 1992-2013) from DMSP-OLS data | Zenodo
44010编辑于 2024-03-08 - 来自专栏GEE遥感大数据学习社区
近期发布的地理空间数据共享资源汇总
数据可通过Zenodo在https://doi.org/10.5281/zenodo.3528024获得（Zhao等，2019）。 Zenodo. http://doi.org/10.5281/zenodo.3988349 9、中国高分辨率高质量近地表颗粒物数据集 ChinaHighPMx数据集是一套基于多源卫星遥感（包括MODIS Zenodo. http://doi.org/10.5281/zenodo.3758510 Wei, J., & Li, Z. (2019). Zenodo. http://doi.org/10.5281/zenodo.3753614 Wei, J., & Li, Z. (2020). Zenodo. http://doi.org/10.5281/zenodo.3752466. 10、中国高分辨率高质量近地表臭氧数据集 ChinaHighO3数据集是一套基于多源卫星遥感技术，使用人工智能方法
2.4K20编辑于 2022-09-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号