弥漫大B细胞淋巴瘤抗原非依赖性自主B细胞受体信号传导数据集
该数据集包含15例弥漫大B细胞淋巴瘤患者样本的全外显子测序原始数据，以基因组模态的FASTQ格式存储，主要用于研究DLBCL中B细胞受体的抗原非依赖性自主信号传导机制，支持变异检测、拷贝数分析、结构变异识别及分子分型等下游分析，为理解DLBCL发病机制和开发靶向治疗提供关键基因组学资源。
基本信息
资源简介
弥漫大B细胞淋巴瘤抗原非依赖性自主B细胞受体信号传导数据集
【数据集背景】
本数据集源站标题为《Antigen-Independent, Autonomous B-cell Receptor Signalling in Diffuse Large B-cell Lymphoma》。
【数据内容】
源站原始描述：Diffuse large B-cell lymphoma (DLBCL) comprises two major cell-of-origin subtypes, germinal center B-cell (GCB) type and activated B-cell (ABC) type. ABC-DLBCL is characterized by chronic active B-cell receptor (BCR) signalling and NFκB activation, which is explained by activating mutations of the BCR signalling cascade in a minority of cases. We here demonstrate that autonomous BCR signalling, akin to its essential pathogenetic role in chronic lymphocytic leukemia (CLL), can explain chronic ac…
【主题与分类】
主题标签：B-Cell Receptor、DLBCL、Autonomous BCR signalling。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:2c8a3a5c5a9e5289cd752bf2abe08d7195faa7cc4320c2183614276c551a1b76
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
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
该数据集是针对弥漫大B细胞淋巴瘤（DLBCL）的研究数据，主要包含15例DLBCL患者样本的全外显子测序（WES）原始数据，以FASTQ格式存储。数据来源于莱顿大学医学中心的病理档案库，通过SureSelect Human All Exon V7试剂盒捕获，在Illumina HiSeq2000平台上测序获得，平均覆盖深度为50倍。该数据集旨在研究DLBCL中B细胞受体（BCR）的抗原非依赖性自主信号传导机制，特别关注活化B细胞亚型（ABC-DLBCL）的慢性活性BCR信号传导和NF-κB激活。数据可用于变异检测、拷贝数变异分析、结构变异识别以及使用LymphGen算法进行分子分型等下游分析，为DLBCL的发病机制研究和精准治疗提供重要资源。
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。
