阿尔茨海默病表观遗传韧性全基因组去卷积数据

数据集获取

源站：https://search.dataone.org/view/sha256%3A3bf70d7c2fc6a3c6c7110601f5a40042f7712f789defd43986185f2af24cc05c

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

转座酶可及染色质测序分析（ATAC-seq）能够准确描绘染色质调控状态以及疾病中指导基因表达的 altered 机制。然而，批量测序会将来自不同细胞类型的信息混杂在一起，掩盖细胞异质性。为解决这一问题，我们开发了 Cellformer，一种深度学习方法，可将批量 ATAC-seq 解卷积为全基因组范围内细胞类型特异性表达。Cellformer 能够在大规模队列中以经济高效的方式进行细胞类型特异性开放染色质谱分析。将其应用于来自 3 个脑区的 191 份批量样本，Cellformer 识别出参与阿尔茨海默病韧性（resilience）的细胞类型特异性基因调控机制；该韧性人群是一组不常见的认知健康个体，其携带高负荷的阿尔茨海默病病理。细胞类型分辨的染色质谱分析揭示了细胞类型特异性通路，并提名了可能构成韧性基础的潜在表观遗传介质，这些介质或可阐明治疗机会……，，

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。