GSE35806：探索同源结构域的DNA识别潜力

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE35806

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

我们利用细菌选择系统从随机文库中分离出Engrailed变体，这些变体与64种可能的3’三联体位点（即TAANNN）中的每一个都兼容。随后，我们对来自这些群体的151个代表性HD变体的DNA结合特异性进行了表征。这些变体中的许多含有特异性决定因素的新组合，这些组合在现有HD中不常见或不存在。当这些新的决定因素被嫁接到不同的HD骨架中时，会产生相应特异性的改变。所鉴定的决定因素扩展了我们对HD识别的理解。

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。