全基因组测序质量的分析性“bake-off
该数据集来自 omicsdi.org，主题为基因组学，围绕全基因组测序质量的分析性“bake-off”展开。源站描述指出，该工作针对 Genome Russia 项目，使用一个小型自身免疫性肝炎队列来评估全基因组测序质量
基本信息
资源简介
全基因组测序质量的分析性“bake-off
该数据集英文名为 Analytical “bake-off” of whole genome sequencing quality，来源于 omicsdi.org，主题标签为 Genomics，在本站归类于免疫系统疾病 / 其他。源站描述指出，该工作针对 Genome Russia 项目，使用一个小型自身免疫性肝炎队列，围绕全基因组测序质量开展分析性“bake-off”评估。整体来看，数据集聚焦于基因组学领域中对全基因组测序质量的分析性比较研究，并将自身免疫性肝炎这一免疫系统疾病相关的小型队列作为研究载体，为理解不同测序分析流程或方案在真实样本上的质量表现提供了数据基础。其核心价值在于将测序质量评估与特定疾病队列相结合，主题上兼具基因组学方法学与免疫系统疾病研究的交叉特征。
【数据集背景】
该数据集的主题为基因组学，其背景与 Genome Russia 项目相关。源站描述明确提到，相关工作是在 Genome Russia 项目框架下开展的，并采用一个小型自身免疫性肝炎队列作为研究样本。数据集名称中的“bake-off”一词表明，该工作具有分析性比较或评测的性质，即围绕全基因组测序质量进行对照式的评估。本站将其归类于免疫系统疾病 / 其他，说明该数据集在应用层面上与免疫系统疾病研究存在关联，而自身免疫性肝炎正是这一关联的具体体现。
【数据内容】
源站描述仅说明该数据集围绕全基因组测序质量的分析性“bake-off”展开，并使用小型自身免疫性肝炎队列。关于数据集具体包含哪些文件类型、样本数量、测序平台、变异位点数量、质量指标数值等细节，源站未提供。主题标签为 Genomics，表明其内容属于基因组学范畴。
【采集与来源】
该数据集来源站为 omicsdi.org。源站描述指出其面向 Genome Russia 项目，并使用一个小型自身免疫性肝炎队列。关于样本采集地点、采集时间、伦理审批信息、测序机构及具体实验流程，源站未提供。
【适用场景】
基于现有信息，该数据集可用于与全基因组测序质量分析性评估相关的场景，尤其是结合小型自身免疫性肝炎队列的测序质量比较研究。其主题标签 Genomics 与本站分类免疫系统疾病 / 其他，提示其可能适用于基因组学方法学评测以及免疫系统疾病相关基因组研究的背景参考。关于更具体的适用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据下载方式、文件组织格式、分析流程与软件要求等。
【质量与限制】
该数据集明确以“小型”自身免疫性肝炎队列为基础，样本规模有限是其已知特征。关于数据质量指标、测序深度、覆盖度及潜在偏差等具体质量信息，源站未提供。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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://omicsdi.org/dataset/project/PRJEB23034
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
Analytical “bake-off” of whole genome sequencing quality for the Genome Russia project using a small cohort for autoimmune hepatitis
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。
