GSE266505:转录与Cohesin指导基因组定位及结构域边界可塑性
该数据集来自NCBI GEO,标题为转录与Cohesin指导基因组定位及结构域边界可塑性,属于神经系统疾病/共济失调分类

基本信息
资源简介
GSE266505:转录与Cohesin指导基因组定位及结构域边界可塑性
Transcription and Cohesin Direct Genome Positioning and Domain Boundary Plasticity
该数据集来自NCBI GEO,标题为转录与Cohesin指导基因组定位及结构域边界可塑性,属于神经系统疾病/共济失调分类。数据包含1个文件(GSE266505_series_matrix.txt.gz),主题标签涉及基因组结合/占据谱高通量测序、GPL18573平台和9606物种。源站描述指出转录与cohesin活性协同决定核纤层关联域(LAD)边界可塑性及边界近端基因空间定位,转录介导LAD边界保真度,转录抑制导致的重新定位依赖cohesin环挤压活性,并与Friedreich共济失调中FXN基因的致病性转录沉默相关。该数据可用于研究三维基因组组织机制及共济失调相关基因定位(来源 NCBI)。
【数据集背景】
源站首次发布:May 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):基因组空间定位与细胞身份已被关联,但三维基因组组织的机制原理仍不清楚。因此,我们对受损的基因组定位如何导致疾病的理解有限。在此,我们证明基因转录与cohesin活性之间的合作关系指导核纤层关联域(LAD)边界可塑性和边界近端基因的空间定位。转录介导LAD边界保真度,转录缺失将LAD边界基因重新定位到核纤层。转录抑制介导的重新定位依赖于cohesin的环挤压活性,且不能与异染色质修饰因子或压缩状态相关联。此外,Friedreich共济失调中LAD边界基因FXN的致病性转录沉默与不适当的周边
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL18573、9606。本站分类:神经系统疾病/共济失调。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE266505
【使用注意】
· 源站最后修改于 Jun 25 202,引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE266505
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
基因组的空间定位与细胞身份之间已被证实存在相关性,但三维基因组组织的机制原理仍不清楚。因此,我们对基因组定位受损如何导致疾病的理解仍然有限。在此,我们证明基因转录与cohesin活性之间的协同关系指导核纤层相关结构域(LAD)边界的可塑性以及边界近端基因的空间定位。转录介导LAD边界的保真性,转录的丧失会将LAD边界基因重新定位至核纤层。转录抑制介导的重新定位依赖于cohesin的环挤出活性,且无法与异染色质修饰因子或压缩状态相关联。此外,Friedreich共济失调中LAD边界基因FXN的致病性转录沉默与FXN的异常外周定位相关。引人注目的是,cohesin活性的丧失足以将突变型FXN从核外周重新定位,并部分恢复FXN转录。
综上所述,我们揭示了不同基因组组织过程的分子调控因子如何协同编排LAD边界的可塑性。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




