小鼠T-ALL细胞系ChIP-seq研究Tet2缺陷与DNMT3A突变组蛋白甲基化图谱
该数据集为小鼠T细胞急性淋巴细胞白血病（T-ALL）细胞系的ChIP-seq数据，用于研究Tet2缺陷且DNMT3A突变淋巴细胞的组蛋白甲基化图谱
基本信息
资源简介
小鼠T-ALL细胞系ChIP-seq研究Tet2缺陷与DNMT3A突变组蛋白甲基化图谱
ChIP-sequencing of murine T-cell acute lymphoblastic leukemia (T-ALL) cell lines to investigate histone methylation profiling of lymphocyte deficient for Tet2 and mutated for DNMT3A
该数据集为小鼠T细胞急性淋巴细胞白血病（T-ALL）细胞系的ChIP-seq数据，用于研究Tet2缺陷且DNMT3A突变淋巴细胞的组蛋白甲基化图谱。数据覆盖通过骨髓移植过表达DNMT3A R882H于Tet2-/-多能祖细胞建模的CD4+CD8+ T-ALL，以及来自NOTCH1 L1601PdelP Tet2-/-、NOTCH1 L1601PdelP Tet2+/+或TCL1A祖细胞的T-ALL和正常Tet2+/+与Tet2-/-双阳性胸腺细胞。可用于比较不同遗传背景下的组蛋白甲基化修饰差异（来源 BioStudies）。
【数据内容】
源站描述（机器翻译，仅供参考）：T细胞急性淋巴细胞白血病（T-ALL）是T淋巴细胞的侵袭性增殖，通常与NOTCH1信号的致癌激活相关。采用骨髓移植方法，我们通过在多能祖细胞中过表达DNMT3A R882H于Tet2-/-背景，建模了小鼠CD4+ CD8+ T-ALL。来源于NOTCH1 L1601PdelP Tet2-/-、NOTCH1 L1601PdelP Tet2+/+或TCL1A祖细胞的T-ALL用于比较，同时还包括正常的Tet2+/+和Tet2-/- CD4+ CD8+双阳性（DP）胸腺细胞。
【主题与分类】
主题标签：ChIP-seq、Mus musculus。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://ebi.ac.uk/biostudies/studies/E-MTAB-4158
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://ebi.ac.uk/biostudies/studies/E-MTAB-4158
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
C57BL/6 T cell T-cell acute lymphoblastic leukaemia mouse cell line DNMT3A R882H Tet2-/- NOTCH1 L1601PdelP Tet2+/+ 3 https://www.ebi.ac.uk/ena/browser/view/ERS1026457-ERS1026459 https://www.ebi.ac.uk/ena/browser/view/ERS1026460-ERS1026462 Sequencing assay DNA assay IDF File tab-delimited text
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
