UPM新生转录趋势改善SNP功能注释

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE326905

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

哮喘和慢性阻塞性肺疾病（COPD）受遗传背景与空气污染物等环境暴露之间相互作用的影响，然而连接遗传变异与污染物应答的机制仍知之甚少。我们采用新生RNA run-on测序技术，表征了肺细胞暴露于木柴烟雾颗粒、城市颗粒物和阿富汗沙尘颗粒后的转录应答。这些数据集首次刻画了原代肺细胞对城市颗粒物的新生转录应答特征，并揭示了共有及污染物特异性的调控动态。通过与调控网络推断和遗传关联数据的整合，得以对非编码变异进行优先级排序，并识别出连接环境暴露与肺部疾病风险的候选调控机制。

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。