全基因组解卷积揭示阿尔茨海默病弹性表观遗传特征

数据集获取

源站：https://search.dataone.org/view/sha256%3Afb584ee8f0266cae95b6937316d358212046e043eac518a17b447f042454a590

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

通过测序检测转座酶可及染色质（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异常机制。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能够以经济高效的方式在大型队列中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抗性的细胞类型特异性基因调控机制，该抗性见于一组罕见的认知健康个体，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图谱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导因子，这或可为治疗机会提供启示……，# 数据来源：全基因组去卷积揭示阿尔茨海默病韧性表观遗传特征 单核ATAC-seq随“全基因组去卷积揭示阿尔茨海默病韧性表观遗传特征”发布，Berson等，Nat. Communications (2023)。数据按照“单细胞表观基因组分析暗示阿尔茨海默病和帕金森病遗传风险位点的候选因果变异”所述方法收集，Corces等，Nat. Genetics (2020)。片段文件已使用ArchR（v1.0.1，R版本4.2.2）处理（Granja, J. M.等，ArchR是一个用于整合单细胞染色质可及性分析的可扩展软件包。Nat. Genet. (2021).）。Arrow文件是压缩文件，包含与每个个体样本相关的可及片段、元数据和数据矩阵。* annotation_snATAC.csv 包含我们手稿中使用的细胞注释。注释是使用ArchR按照推荐流程得出的。* raw_snATAC-seq.ta

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。