ENCODE/UW 的 RNA-seq 数据集
该数据集为 ENCODE 项目由 UW 提交的 RNA-seq 数据，本站归类于肿瘤/B细胞淋巴瘤方向，包含 1 个文件（GSE39524_series_matrix.txt.gz），主题涉及高通量测序表达谱分析
基本信息
资源简介
ENCODE/UW 的 RNA-seq 数据集
GSE39524 是一个以 RNA-seq from ENCODE/UW 为标题的高通量测序表达谱数据集，由 Richard Sandstrom 提交，来源于 NCBI（ncbi.nlm.nih.gov），在本地分类中归入肿瘤 / B细胞淋巴瘤方向。该数据集的核心内容为 ENCODE 项目产生的 RNA-seq 数据，主题标签涉及 expression profiling by high throughput sequencing，并关联 GPL10010 与 10090 两个平台/物种标识。数据集目前包含 1 个文件，即 GSE39524_series_matrix.txt.gz，以 GZIP 压缩格式提供。整体而言，这是一个体量精简、以表达谱矩阵形式交付的测序数据资源，适合作为 ENCODE 相关转录组表达分析的入口数据，供有 B 细胞淋巴瘤或肿瘤表达谱研究背景的使用者参考与接入。
【数据集背景】
该数据集源自 ENCODE 项目，由华盛顿大学（UW）方面提交，提交者联系人为 Richard Sandstrom。源站描述明确说明数据由 ENCODE 生成，若对数据本身有疑问应直接联系提交实验室，若对与该数据关联的 Genome Browser 轨道有疑问则应联系 ENCODE 团队。数据集发布时间为 Jul 20 201（源站所载日期原文如此）。在本地分类体系中，该数据集被归入肿瘤 / B细胞淋巴瘤方向，主题标签包括 expression profiling by high throughput sequencing、GPL10010 和 10090，表明其属于高通量测序表达谱分析范畴。
【数据内容】
数据集包含 1 个文件，文件名为 GSE39524_series_matrix.txt.gz，为 GZIP 压缩格式。从文件命名看，其内容为系列矩阵（series matrix）形式的表达数据汇总文件，通常用于承载样本层面的表达谱信息。源站未提供该文件内部的具体字段结构、样本数量、基因数量或表达量类型等细节。主题标签中的 GPL10010 与 10090 分别对应平台与物种层面的标识信息，但源站未提供进一步的注释说明。
【采集与来源】
数据由 ENCODE 项目生成，提交实验室为 UW，提交者为 Richard Sandstrom。数据来源站为 ncbi.nlm.nih.gov，源站标题为 RNA-seq from ENCODE/UW。源站描述仅提供了数据归属与联系渠道信息，未提供具体的实验方法、测序平台型号、建库策略、样本处理流程或测序读长等采集细节，这些内容源站未提供。
【适用场景】
基于其主题标签与分类，该数据集适用于高通量测序表达谱分析相关场景，尤其是与肿瘤 / B细胞淋巴瘤方向相关的表达谱探索。由于数据以系列矩阵文件形式提供，可用于表达水平的汇总查看、样本间表达模式比较的初步分析，以及作为 ENCODE RNA-seq 数据的参考入口。源站未提供该数据集在特定疾病模型或特定分析流程中的验证性应用说明，因此具体适用场景需结合使用者自身研究目的判断。
【使用方法】
使用该数据集时，首先下载数据文件 GSE39524_series_matrix.txt.gz。该文件为 GZIP 压缩包，需按 GZIP 格式解压后读取。建议先在小样本上核对字段与编码，确认数据格式与内容无误后，再进行批量接入与后续分析。由于数据集仅含 1 个文件，使用流程相对简单，重点在于解压后对矩阵文件的结构进行确认。源站未提供额外的使用教程、脚本或分析流程说明。
【质量与限制】
该数据集文件数量为 1，体量精简，内容以系列矩阵汇总文件为主，源站未提供原始测序读段文件或完整的实验元数据。源站描述中未给出质量评估指标、数据完整性说明或已知偏差信息。发布时间标注为 Jul 20 201（原文如此），使用者应注意日期信息的完整性。此外，源站未提供样本量、表达值归一化方法等关键细节，可能限制深入的再分析。总体而言，使用前应自行核对数据字段与编码，并在小样本验证的基础上谨慎推进批量分析。
【引用与许可】
源站未提供该数据集的引用格式或许可条款信息。源站描述仅提示：对数据有疑问可联系提交实验室（Richard Sandstrom，邮箱 sull@u.washington.edu），对关联的 Genome Browser 轨道有疑问可联系 ENCODE（邮箱 genome@soe.ucsc.edu）。使用者在引用或再利用该数据时，应遵循源站及 ENCODE 项目的相关要求，具体引用与许可细节源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE39524
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
该数据由ENCODE生成。如对数据有疑问，请直接联系提交实验室（Richard Sandstrom，邮箱：sull@u.washington.edu）。如对与该数据相关的Genome Browser track有疑问，请联系ENCODE（邮箱：genome@soe.ucsc.edu）。该track是mouse ENCODE项目的一部分。该track显示在小鼠组织和细胞系（http://hgwdev.cse.ucsc.edu/cgi-bin/hgEncodeVocab?type=cellType）中全基因组范围内测得的RNA-seq。使用Poly-A选择的mRNA作为转录组分析的来源，这些组织和细胞类型也具有相应的DNase I超敏图谱。有关数据使用条款和条件，请参阅http://www.genome.gov/27528022和http://www.genome.gov/Pages/Research/ENCODE/ENCODEDataReleasePolicyFinal2008.pdf
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
