人类心脏转录启动子与增强子图谱及心力衰竭调控元件数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA633482

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

在本研究中，我们展示了通过CAGE（基因表达帽分析）技术定义的人类心脏调控元件图谱。该数据集包括来自健康和衰竭样本的左右心房和心室。在Illumina HiSeq2500平台上对CAGE文库进行深度测序、映射及信号聚类后，共识别出65，458个CAGE峰，其中55，204个为稳健分解峰标识符（DPIs），10，254个为双向增强子。我们结合机器学习及含有心脏数据的现有数据库注释，对峰进行了全面分类。识别出的CAGE峰被排列成不重叠的400 bp共识簇。我们的分类方法确定了在人心脏中活跃的17，668个启动子和14，920个增强子。差异表达分析揭示了在健康或衰竭状态下激活或失活的调控元件。发现约10%与心脏相关的GWAS SNPs位于心脏CAGE簇附近。心脏启动子和增强子文库可在Zenbu报告中获取，供浏览和可视化使用。

上、下窦房结样本分别标记为sSAN和iSAN。总体设计：共从31颗人类心脏新鲜采集109份样本，样本或经液氮速冻，或保存于RNAlater中。使用RNeasy Fibrous Tissue Mini Kit提取总RNA，并采用ssCAGE或nAnT-iCAGE制备CAGE文库。文库在Illumina HiSeq2500平台上进行测序。

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。