碱基组成影响基础与扰动条件下 RNA 聚合酶 II 解离位置与精度

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE311217

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

RNA聚合酶II（Pol II）转录基因组中所有蛋白编码基因以及许多非蛋白编码基因。Pol II转录终止对mRNA成熟至关重要，一旦受到破坏，可导致mRNA加工和mRNA输出发生改变。终止涉及两个相互交织的过程：pre-mRNA切割和Pol II从DNA上释放（解离）。尽管其重要性不言而喻，但Pol II从DNA上解离的确切机制仍知之甚少。此外，在某些细胞应激条件下，切割会部分失败，导致解离位置向下游移动，这种现象被称为通读转录。我们对不同细胞类型和物种中的Pol II终止进行了首次系统性分析，并为解离机制提供了新的见解。为了确定Pol II解离的位置，我们开发了LIET模型（Loading、Initiation、Elongation、Termination），该模型可从新生RNA测序数据中量化整个基因体上的Pol II动态。

为了理解解离位置在不同物种和细胞类型中的变化，我们检查了大量（超过1600个样本）的PRO-seq数据集，发现解离位置在人类细胞类型中是一致的，同时揭示了解离点上游一个独特的序列偏好，这一偏好在不同物种间保守。此外，我们的工作还发现，连续转录的性质可能因细胞应激条件的类型而异。

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。