ESPRESSO：从易错长读长RNA-seq数据中稳健发现和定量转录本异构体

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE192955

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

长读长RNA测序（RNA-seq）在表征转录组变异和全长转录本异构体方面具有巨大潜力，但当前长读长测序平台相对较高的错误率构成了重大挑战。我们提出了ESPRESSO，一种用于从易出错的长读长中稳健发现和定量转录本异构体的计算工具。ESPRESSO联合考虑比对到同一基因的所有长读长的比对结果，并利用单个读长的错误特征来提高剪接位点的识别及其相应转录本异构体的发现。在合成加标RNA样本和人类RNA样本上，ESPRESSO不仅在转录本异构体发现方面，而且在转录本异构体定量方面均优于多个当代工具。总共，我们生成并分析了约11亿条纳米孔RNA-seq读长，覆盖30个人体组织样本和3个人类细胞系。ESPRESSO及其配套数据集为研究真核转录组的RNA库提供了有用的资源。

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。