数据集概述
本数据集为博士论文《Deep Learning Approaches for an Integrated Study of DNA Sequence, Epigenome and Chromatin Architecture》的全部补充材料，包含构建染色质特征深度学习模型所需的数据集清单、Capture C实验验证探针信息，以及K562细胞系中CTCF位点模拟插入后的染色质互作变化筛选结果，支持论文中deepHaem等模型的复现与扩展研究。
文件详解
- 文件名称：Appendix_A_B.xlsx
- 文件格式：XLSX
- 字段映射介绍：
Appendix A：染色质特征神经网络训练集所使用的数据集完整清单（包含数据来源、细胞系、实验类型、下载链接等）
Appendix B：Capture C验证实验所用探针序列及靶向位点坐标清单
- 文件名称：ctcf_screen_k562_with_motifs_results.txt.gz
- 文件格式：GZIP压缩纯文本（TAB分隔）
- 字段映射介绍：CTCF模拟插入筛选核心结果表，主要字段包括染色体位置（chr、start、end）、9项染色质互作变化指标（其中sum.abs.diff为论文主要使用指标）、CTCF ChIP-seq峰交集情况、基序存在状态、方向、强度及朴素整合基序得分等
数据来源
博士论文《Deep Learning Approaches for an Integrated Study of DNA Sequence, Epigenome and Chromatin Architecture》
适用场景
- 深度学习模型复现：依据Appendix A快速构建染色质多特征训练集，重现deepHaem等模型
- CTCF功能机制研究：利用模拟插入结果分析CTCF基序方向与强度对远端互作的影响
- 三维基因组实验设计：直接使用Appendix B探针清单开展Capture C或类似靶向染色质构象验证实验
- 多组学整合分析：结合DNA序列、表观修饰与Hi-C数据，探索调控元件对染色质架构的驱动作用
- 表观遗传学方法学开发：作为标准基准数据集，测试新型深度学习架构在预测染色质状态与互作上的性能
