基于RNA-蛋白质相互作用的细胞类型特异性RNA稳定性预测

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE282252

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

RNA结合蛋白（RBPs）是转录后调控过程的重要贡献者。与同一转录本结合的已表达RBPs和非编码因子的组合作用，以环境依赖的方式决定mRNA的转录后特性。为了更好地理解不同条件下的RNA稳定性和翻译活性，我们汇编并分析了四种人类细胞系的核糖体图谱数据集，并利用现有和新生成的代谢标记数据来确定匹配的RNA降解速率。随后，我们使用机器学习方法，根据RBP结合信息预测RNA降解速率和翻译水平，这些信息包括现有的体内结合数据集和计算预测的结合位点。利用这一新的RNA稳定性资源，我们仅凭RBP结合就预测了RNA降解速率和翻译水平。与计算预测的结合位点相比，体内结合位点对预测的重要性更高，这可能是由于混杂效应所致。

我们进一步探讨了在3’UTR异构体赋予的差异稳定性背景下，不同RNA结合蛋白(RBPs)对于稳定性预测的特征重要性。综上所述，在一个背景下训练的RNA稳定性机器学习模型能够成功泛化，但其效果受到当前数据的可用性和可靠性的影响。

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。