PRJNA1147671：驱动转移性前列腺癌的非编码调控区整合鉴定 [MPRA]

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA1147671

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

为理解编码基因组的突变图谱，已开展了大规模测序工作。然而，绝大多数变异发生在非编码基因组区域。我们设计了一个整合计算与实验的框架，以识别驱动肿瘤进展的复发性突变非编码调控区域。将该框架应用于一个大型前列腺癌患者队列的测序数据，揭示了一大组候选驱动因素。我们利用(i)计算机分析、(ii)大规模并行报告基因检测，以及(iii)体内CRISPR干扰筛选，系统性地验证了mCRPC驱动因素。发现的一个增强子区域GH22I030351作用于双向启动子，同时调节U2相关剪接因子SF3A1和染色体蛋白CCDC157的表达。SF3A1和CCDC157在体内促进肿瘤生长。我们提名了一些转录因子，特别是SOX6，来调控SF3A1和CCDC157的表达。我们的整合方法使得能够系统性地检测驱动人类癌症的非编码调控区域。

总体设计：针对我们在C4-2B细胞系中开展的MPRA数据集，我们生成了全基因组DNA测序数据，以及来自筛选终点的RNA-seq转录组数据。该数据包含我们lentiMPRA文库的初始CRS-条形码关联测序、gDNA部分（用于计数归一化）以及相应的RNA部分。

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。