CENTDIST：通过基序分布发现共关联因子

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-28857

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

转录因子（TFs）并非单独发挥作用，而是与其他TFs（称为共TFs）以组合方式协同工作，精确调控靶基因的转录。因此，挖掘共TFs对于理解转录调控机制至关重要。尽管现有方法能够识别共TFs，但其准确性很大程度上取决于所选背景模型及其他参数，如富集窗口大小和PWM分数截断值。在本研究中，我们开发了一款名为CENTDIST的新型基于网络的共模体扫描程序（http://compbio.ddns.comp.nus.edu.sg/~chipseq/centdist/）。与当前的共模体扫描程序相比，CENTDIST无需输入任何用户特定参数和背景信息。相反，CENTDIST能自动确定最佳参数集，并根据共TF模体在ChIP-seq峰周围的分布对其进行排序。我们在14个ChIP-seq数据集上测试了CENTDIST，发现其比现有方法更为准确。

特别地，我们将CENTDIST应用于来自前列腺癌细胞系的雄激素受体（AR）ChIP-seq数据集，并准确预测了前20个命中结果中所有已知的AR共转录因子（8个转录因子），同时还发现了AP4作为AR的新共转录因子（这是现有方法所遗漏的）。综上所述，CENTDIST利用共转录因子结合的不平衡特性，是一个用户友好、无需参数且强大的基于网络的预测程序，有助于理解转录共调控机制。利用ChIP-Seq对DHT（5α-二氢睾酮）刺激下LNCaP细胞中AP4的全基因组结合分析。

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。