PRJNA1525596：PCMT1–BCLAF1/TET1相关调控网络参与三阴性乳腺癌染色质可及性重塑与表观转录调控

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1525596

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

在MDA-MB-231细胞中建立了稳定的PCMT1敲低模型，并通过qRT-PCR和Western blot验证了敲低效率。采用ATAC-seq分析sh-PCMT1组与sh-NC组之间全基因组染色质可及性变化，并将结果与先前PCMT1敲低细胞的RNA-seq数据整合。采用免疫共沉淀联合质谱（Co-IP/MS）筛选潜在的PCMT1相互作用蛋白，并通过整合BCLAF1敲低RNA-seq数据和BCLAF1靶基因集，评估BCLAF1可能参与PCMT1调控网络的情况。此外，进行TET1 CUT&Tag测序，以评估PCMT1敲低后TET1染色质占据的全基因组变化。最后，联合分析ATAC-seq、RNA-seq、BCLAF1相关数据集和TET1 CUT&Tag数据，以鉴定潜在的下游靶基因，并使用UALCAN和GEPIA2数据库分析候选基因在乳腺癌中的表达及预后意义。

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。