高通量CUT&RUN染色质靶标稳健基因组定位方案

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE323356

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

定义染色质状态的蛋白质（包括转录因子、染色质修饰酶和组蛋白修饰）在基因组上的分布，对于理解基因调控、细胞身份和疾病发展至关重要。CUT&RUN检测是一种强大的工具，可用于高分辨率地绘制定义表观基因组因素的基因组图谱。在此，我们介绍一种在96孔板格式中进行的高通量CUT&RUN实验方案，从靶向DNA富集到高质量文库制备，能够实现对感兴趣蛋白质的可重复、高效且稳健的基因组定位以及表观基因组分析。

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。