环境样本数据集

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAD00001002110

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

慢性淋巴细胞白血病（CLL）尽管基因改变相对较少，却表现出显著的临床异质性。为了为研究CLL中的表观基因组失调提供基础，我们采用ATAC-seq检测方法，为来自55名患者的88份CLL样本建立了全基因组染色质可及性图谱，并对十份代表性样本进行了ChIPmentation和RNA-seq分析。基于所得数据集，我们设计并应用了一种将染色质图谱与临床注释相关联的生物信息学方法。我们的分析在CLL调控区域共享核心之上，识别出了样本特异性变异。IGHV突变状态——区分CLL两大主要亚型的标志——可通过染色质图谱准确预测，而针对IGHV突变型与IGHV未突变型样本推断的基因调控网络，揭示了这两种疾病亚型之间的特征性差异。总之，我们发现了CLL染色质景观中广泛的异质性，建立了一个用于研究白血病表观基因组失调的社区资源，并证明了在癌症队列和临床研究中进行染色质可及性图谱绘制的可行性。

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。