ROP：在RNA测序中寻找来自多种成人人体组织的1万亿条reads的来源

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE109484

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

高通量RNA测序技术为探索个体转录组提供了前所未有的机遇。未比对上的读段是标准RNA-seq分析中大量且常被忽视的输出。在此，我们提出读段溯源协议（Read Origin Protocol, ROP），一种用于发现源自复杂RNA分子的所有读段来源的工具。我们将ROP应用于来自54种不同人体组织的2630个个体的样本。我们的方法能够解释1万亿条不同读长的读段中的99.9%。此外，我们利用ROP研究免疫系统、微生物组与疾病之间关联的潜在功能机制。ROP可在http://smangul1.github.io/rop/免费获取。

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。