基于Alphagenome分析CYP21A2基因单核苷酸替换的数据集

数据集获取

源站：https://doi.org/10.7910/DVN/CZDL3K

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。

数据集大小约 30.0 MB。

数据说明

使用Alphagenome分析CYP21A2基因单核苷酸替换的数据。随附数据分为四个资源。补充数据1（CYP21A2_variant_catalogue.xlsx）提供包含19个工作表的分析工作簿。补充数据2（CYP21A2_supplementary_tables.zip）提供完整的TSV表格及配套的JSON和RIS文件。补充数据3（CYP21A2_raw_prediction_scores.zip）提供六个压缩评分文件，保留轨迹级和连接级输出。补充数据4包括CYP21A2_source_data_part1.zip和CYP21A2_source_data_part2.zip，二者共同保存检索到的源记录、参考序列、模型元数据、缓存预测和分析脚本。两个源数据部分在共同的文件夹结构内保存互补文件。补充数据文件说明标识了每个工作簿工作表以及每个表格、评分和源数据组件。工作簿包含选定列以便于检查；TSV和压缩矩阵保留更完整的注释和输出。原始来源断言、缺失值和未解决的映射均予以保留。

Atlas 评分与直接 16,384-bp 预测分别标注，不应在未考虑其不同协议的情况下合并。“References”工作表保留了分析期间使用的 37 篇参考文献书目。其 reference_number 值为分析标识符，并不表示本手稿中的引用编号。本手稿的书目对其引用更具权威性。PubMed_inventory.tsv 包含经核对后的 1,538 条检索清单，而 PubMed_article_inventory.ris 包含 1,532 条期刊文章记录。源数据 README 记录了软件要求、脚本顺序限制及后处理步骤。API 凭据已排除。评分反映截至 2026 年 10 月 1 日分析截止日期所获得的 API 响应；若服务模型或源数据发生变化，未来重新运行可能有所不同。

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。