人类基因组染色质可及性单细胞图谱

数据集获取

源站：https://data.humancellatlas.org/explore/projects/c31fa434-c9ed-4263-a9b6-d9ffb9d44005

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

目前，人类基因组调控序列的目录仍不完整，且缺乏细胞类型分辨率。为了刻画人体内不同细胞类型和组织中基因调控元件的活性，我们对来自多个供体的30种成人组织类型进行了单细胞染色质可及性检测。我们将这些数据集与来自15种胎儿组织类型的单细胞染色质可及性数据整合，以揭示由超过130万个细胞核组成的222种不同细胞类型中约120万个候选顺式调控元件（cCREs）的开放染色质状态。我们利用这些染色质可及性图谱来界定胎儿和成人人类cCREs的细胞类型特异性，并系统解读与复杂人类性状和疾病相关的非编码变异。这一丰富资源为分析跨组织、生命阶段和器官系统的人类细胞类型中的基因调控程序提供了基础。总体设计：对来自四名供体的多种人类组织类型应用单细胞染色质可及性检测。器官：脂肪组织、肾上腺、主动脉、乳腺、结肠、食管、心脏、肝脏。Human Cell Atlas项目（单细胞）。

数据加载示例（图像类）

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。