142株癌细胞系全基因组染色质状态图谱

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE142751

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

表观遗传异常是癌症的一个标志；然而，我们对癌细胞中存在的染色质异常了解有限。在此，我们提供了145种癌细胞系中6种参考组蛋白标记的组蛋白修饰结合的全基因组图谱，这些细胞系属于9种癌症类型，共生成680个染色质图谱。通过非负矩阵分解聚类对由H3K27ac定义的增强子进行分析，将癌细胞分类为5种不同的亚型。这些亚型要么与原始组织的发育轨迹相关，要么与细胞表型如间充质特征相关。我们识别出一个由不同肿瘤类型组成的集群，该集群具有独特的增强子谱，并依赖于关键致癌基因。对癌细胞与其正常对应物之间二价状态转换的详细表征，确定了在上皮-间充质转化驱动转录因子在乳腺、胶质母细胞瘤和黑色素瘤中通过此机制被激活。最后，我们分别识别了致癌基因上H3K4me3结构域的癌症特异性延长和特定肿瘤抑制基因上的缩短。

总体而言，我们的研究为广泛使用的癌细胞系提供了表观基因组参考图谱，这对于发现染色质介导的癌症基因调控的重要原理将大有裨益。

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。