Dataset Viewer
Auto-converted to Parquet
col0
stringclasses
5 values
col1
stringclasses
3 values
col2
stringclasses
2 values
col3
stringclasses
3 values
col4
stringclasses
3 values
col5
stringclasses
3 values
col6
stringclasses
3 values
col7
stringclasses
3 values
col8
stringclasses
2 values
col9
stringclasses
3 values
col10
stringclasses
2 values
col11
stringclasses
3 values
col12
stringclasses
3 values
col13
stringclasses
2 values
col14
stringclasses
3 values
col15
stringclasses
2 values
col16
stringclasses
3 values
col17
stringclasses
1 value
col18
stringclasses
1 value
col19
stringclasses
1 value
col20
stringclasses
1 value
col21
stringclasses
1 value
col22
stringclasses
1 value
col23
stringclasses
1 value
col24
stringclasses
1 value
col25
stringclasses
1 value
col26
stringclasses
1 value
col27
stringclasses
1 value
col28
stringclasses
1 value
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
4
8
null
null
null
null
null
null
null
null
null
null
null
null
2
0
21
3
5
null
null
null
null
null
null
null
null
null
null
null
null
1
8
1
9
2
0
35
3
45 6
4 46
6 4
7
5
0 6
0 6
5 7
3
null
null
null
null
null
null
null
null
null
null
null
null
6
60
75
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
8.7e-13
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
68.7 71.4 85.0
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
96.0 106.1
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
1-500 501-1000 1001-2000 2001-4000 4001-8000 8001-16000
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
null
YAML Metadata Warning: empty or missing yaml metadata in repo card (https://huggingface.co/docs/hub/datasets-cards)

Telomere Length and Structure Dataset (PDF Extracted)

This dataset contains structured tables extracted from two peer-reviewed publications focused on telomere sequencing, length measurement, and structure—key biomarkers in aging and age-related disease.

Dataset Description

The dataset is compiled from:

  1. s41467-024-49007-4.pdf (Nature Communications)
  2. eScholarship UC item 0t23r589.pdf

Extracted tables cover:

  • Telomere length metrics
  • Nanopore sequencing measurements
  • Biological age associations
  • Sample-level telomere profiles

The final dataset is saved in the file: telomere_datasets_combined.parquet

Usage Instructions

import pandas as pd

df = pd.read_parquet("telomere_datasets_combined.parquet")
print(df.head())

Use Cases

  • Train biological aging clocks using telomere length features
  • Identify age-related trends in telomere attrition
  • Benchmark telomere shortening in disease vs. healthy cohorts
  • Integrate into multi-omics aging models

Citation

If you use this dataset, please cite the original studies:

Acknowledgments

This dataset was curated and processed by Iris Lee. Tables were extracted using pdfplumber and converted to .parquet using pandas. ### 🧑‍💻 Team: MultiModalMillenials. Iris Lee (@iris8090)

We acknowledge the original authors for the data published in open-access journals.


Downloads last month
18