DynaTag：低起始量样本与单细胞分辨率下转录因子高效定位数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE273872

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

在低输入样本和单细胞水平上系统性地发现转录因子（TF）图谱是分子生物学、遗传学和表观遗传学领域的重大挑战。在此，我们提出了动态靶标切割与转座（DynaTag）技术，通过在样本制备过程中使用生理盐溶液，实现对TF-DNA相互作用的稳健映射。DynaTag揭示了干细胞和癌症组织模型中15种TF的占据变化。我们重点展示了干细胞分化过程中NANOG、MYC和OCT4的TF-DNA结合变化，涵盖 bulk 和单细胞分辨率。DynaTag在信噪比和分辨率方面优于CUT&RUN和ChIP-seq。此外，利用源自单一女性供体的小细胞肺癌模型肿瘤，DynaTag揭示了化疗治疗后FOXA1、MYC和突变型P53（p.R248Q）在富集基因通路（如上皮-间质转化）中染色质占据的增加。总体而言，DynaTag代表了一项重要的技术进步，有助于在多样化的生物系统和复杂模型中精确表征TF图谱。

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。