ERVmancer：系统发育引导的人类内源性逆转录病毒调控机制解析框架

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE336203

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

人类内源性逆转录病毒（HERVs）是远古感染的残余，约占人类基因组的8%，并影响发育、免疫和癌症。对它们的研究受限于短读长测序，该技术无法将读段唯一地分配到重复元件。我们提出 ERVmancer，一种受系统发育信息指导的方法，可解决比对歧义，并量化从单个位点到整个进化枝的 HERV 表达。使用匹配的长读长和短读长数据进行基准测试表明，ERVmancer 在敏感性和特异性上优于现有方法。应用可重现多发性硬化症中长读长观察到的 HERV 模式，并揭示乳腺癌中的新生物学机制，包括 p53 介导的对 HERVH-LTR7 的抑制，从而实现对逆转录病毒机制的可扩展研究。

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。