五位人类供体原代黑色素细胞的GWAS区域聚焦捕获HiC

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-15079

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

采用Capture-HiC技术，在五种独立的人类原代黑素细胞培养物中，对黑色素瘤GWAS鉴定的所有风险相关区域进行了染色质相互作用图谱绘制。Capture-HiC诱饵由Arima Genomics（加利福尼亚州圣地亚哥）设计，采用2倍覆盖、最宽松屏蔽及XTHSBoosting策略，以获取针对所有限制性片段（识别序列：^GATC、^GANTC）的Agilent SureSelect文库（加利福尼亚州圣克拉拉），覆盖68个独立全基因组显著信号的全部关联区域。从五种人类原代黑素细胞培养物（C56、C140、C205、C24和C27）中生成了十五个Capture-HiC文库，每种培养物有三个技术重复，但C56的第三个技术重复例外，该文库还在不同批次中测序，标记为rep4。带有条形码的Capture-HiC文库被混合，并使用Illumina Novaseq进行测序。这包括在SP流动池上的一次运行和在S1流动池上的第二次运行，共产生约57亿个双端读取，读长为150 bp。

该测序每个技术重复获得约3.5亿读对的中位覆盖度，每个培养物则约为11亿读对。

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。