CBD-RAW-REPERTOIRE-B 样本数据集
该数据集来自 omicsdi.org，提供 B 细胞受体测序的 fastq 文件与过滤后的 fasta 文件，属于免疫系统疾病相关数据
基本信息
资源简介
CBD-RAW-REPERTOIRE-B 样本数据集
CBD-RAW-REPERTOIRE-B - samples 是一个以 B 细胞受体（BCR）测序数据为核心的数据集，来源于 omicsdi.org，在本站归类于免疫系统疾病 / 其他类别。该数据集提供 B 细胞受体测序产生的 fastq 文件以及经过过滤处理的 fasta 文件，主题标签覆盖 2019 新型冠状病毒感染、2019-nCoV 感染、冠状病毒病 2019（COVID-19）、SARS 冠状病毒 2、SARS-CoV-2 以及严重急性呼吸综合征冠状病毒 2 等多个相关术语。从数据形态看，它属于免疫组库测序类资源，可用于考察 B 细胞受体序列层面的信息。整体而言，该数据集面向对新冠病毒感染相关免疫应答研究感兴趣的科研人员，提供原始测序读长与过滤后序列两种形式的数据文件，便于开展下游免疫组库分析。
【数据集背景】
该数据集的主题标签集中指向 2019 新型冠状病毒感染及冠状病毒病 2019（COVID-19），并同时使用 2019-nCoV、SARS-CoV-2、严重急性呼吸综合征冠状病毒 2 等名称标注。这些标签表明数据集与新冠病毒感染背景下的免疫学研究相关。B 细胞受体测序是研究体液免疫应答、抗体多样性以及 B 细胞克隆组成的重要手段，因此该数据集在免疫系统疾病这一大类下具有明确的研究指向。数据集英文名中的 “REPERTOIRE” 一词也提示其内容与免疫组库（repertoire）相关。关于该数据集所依托的具体研究项目、样本队列背景及科学目标，源站未提供。
【数据内容】
数据集提供两类文件：一是 B 细胞受体测序的 fastq 文件，二是经过过滤的 fasta 文件。fastq 文件通常承载测序仪输出的原始读长及其碱基质量信息，适合从原始数据出发进行质控与序列组装；过滤后的 fasta 文件则提供经过筛选处理的序列集合，便于直接用于序列比对、克隆型鉴定或组库多样性分析。两类文件并存，使使用者既能够追溯原始测序结果，也能够使用已过滤的序列开展分析。关于文件的具体数量、单个文件大小、测序平台、读长类型、目标区域（如重链或轻链）、过滤所采用的具体标准与流程，源站未提供。
【采集与来源】
该数据集来源于 omicsdi.org。源站描述说明这些文件是用于 B 细胞受体测序的 fastq 与过滤后 fasta 文件，并提示如需了解该数据集的更多信息，可联系 Rachael Bashford-Rogers，联系邮箱为 contact@combat.ox.ac.uk。除上述来源信息与联系人外，关于样本采集地点、采集时间、受试者人群构成、样本类型以及伦理审批等信息，源站未提供。
【适用场景】
基于其数据形态，该数据集适用于 B 细胞受体组库相关的下游分析，例如从 fastq 文件出发进行序列质控与注释，或直接使用过滤后的 fasta 文件开展克隆型分析、序列多样性评估以及组库组成比较。结合其主题标签，该数据集可服务于新冠病毒感染相关体液免疫应答的研究场景，例如考察感染背景下 B 细胞受体序列特征。需要说明的是，上述适用方向系依据数据文件类型与主题标签所作的通用性说明，数据集本身是否针对某一具体科学问题设计，源站未提供。
【使用方法】
使用者可根据分析目的选择数据入口：若需从原始测序读长开始处理，可使用 fastq 文件并自行完成质控、拼接与注释等步骤；若希望跳过部分预处理环节，可使用过滤后的 fasta 文件直接进行序列层面的分析。由于源站未提供过滤流程的具体细节，使用 fasta 文件时应留意其过滤标准可能影响后续结果解释。关于数据下载方式、文件组织目录结构、配套分析工具与参考数据库等信息，源站未提供。
【质量与限制】
数据集包含经过过滤的 fasta 文件，说明源站对序列做过一定处理，但过滤的具体标准、阈值与质控指标源站未提供，因此无法据此判断数据质量的量化水平。此外，样本数量、测序深度、覆盖度以及是否存在批次效应等信息源站未提供。使用者在开展比较性分析前，宜自行评估数据质量并明确预处理假设。该数据集在站内归入免疫系统疾病 / 其他类别，其分类边界较宽，具体疾病指向需结合主题标签理解。
【引用与许可】
源站描述中提供了联系人 Rachael Bashford-Rogers 及邮箱 contact@combat.ox.ac.uk，可供就数据集相关问题进行咨询。关于该数据集的正式引用方式、文献出处、许可协议与使用条款，源站未提供。使用者在公开发表研究成果前，应自行向联系人确认引用与使用要求。
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/ega/EGAD00001007960
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
fastq and filtered fasta files for B-cell receptor sequencing. For further information regarding this dataset, please contact Rachael Bashford-Rogers at contact@combat.ox.ac.uk.
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
