人类造血中密集互连的转录回路控制细胞状态

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-24759

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

在识别调控造血分化的单个转录因子方面已取得巨大进展，但造血整体架构的许多方面仍不清楚。在此，我们分析了38个不同纯化的人造血细胞群体的基因表达，并利用基因表达模式的概率模型和基因启动子中基序的基于序列的分析，来解读其调控回路的一般组织。我们识别出高度共表达基因的模块，其中一些局限于单一谱系，但大多数在多个谱系中以可变水平表达。我们发现了密集互连的顺式调控回路以及大量在造血状态间差异表达的转录因子，提示调控系统比先前假设的更为复杂。我们利用RNA干扰和ChIP-Seq对一部分候选因子进行了功能验证。我们的数据集、分析工具和研究结果可在基于网络的门户上获取，为研究造血的调控架构提供了独特的资源。

我们基于细胞表面标志物表达定义了38种不同的造血细胞状态，涵盖了造血干细胞和祖细胞、终末分化细胞以及中间状态。针对每种状态，我们通过多参数流式细胞术从4至7名独立供体中分别纯化样本，共获得211份分析样本。所有干细胞和祖细胞群体均从脐带血中纯化。终末分化的淋巴细胞群体则从外周血中纯化。

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。