Epstein Barr病毒转录组的全面解析与分类

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE277022

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

病毒基因组承载着高度压缩的基因和调控元件库。在此，我们报告了迄今为止最全面的爱泼斯坦-巴尔病毒（EBV）转录组分析，显著扩展了已知转录异构体的数量至1453个，并解析了除一个裂解性开放阅读框外所有主要异构体。我们还根据转录对病毒DNA复制的依赖性对每个转录本进行分类，将其归类为“早期”、“渗漏晚期”或“晚期”。我们确定了病毒预起始复合体vPIC的作用，它不仅促进晚期基因表达，还参与早期启动子/基因的表达。这些研究还通过识别具有显著活性且对病毒DNA复制有不同依赖性的替代启动子，以及具有早期和晚期启动子特征嵌入特性的双相启动子，增进了我们对病毒调控程序复杂性的理解。遗传分析确定了病毒裂解性复制起点（OriLyt）在整个病毒基因组中的增强子功能。

我们发现存在大量病毒通读转录，预计这会导致转录干扰以及对病毒启动子时间调控的精细调节。此外，在某些具有同向重叠基因构型的位点，polyA通读对于促进整个ORF的转录是必要的，但由于通读的部分性质，也产生了高度丰富的病毒lncRNAs。总之，本研究识别了极端的病毒转录组多样性，解析了几乎所有裂解期ORF的主要异构体，并发现了驱动和精细调节EBV裂解基因表达时间调控的新调控模式。

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。