immuneACCESS 免疫组库序列数据集
全球最大的 TCR 与 BCR 序列集合。使用 immunoSEQ Analyzer，可轻松将数百万条序列规模的公开数据纳入你的下一篇论文与项目
基本信息
资源简介
immuneACCESS 免疫组库序列数据集
immuneACCESS 是全球最大的 TCR 与 BCR 序列集合，汇集了数百万条序列规模的公开数据，面向免疫系统疾病及相关研究领域。该数据集由 clients.adaptivebiotech.com 提供，用户可借助 immunoSEQ Analyzer 将这些公开序列数据纳入自己的论文与项目，构建自定义项目、得出自己的结论，并自由发表新的发现。对于需要大规模免疫受体序列数据支撑的研究者而言，immuneACCESS 提供了一个可直接取用的公共数据基础，其定位是让公开序列数据的复用变得简便，从而服务于从基础免疫学到临床相关研究的广泛需求。
【数据集背景】
免疫系统疾病研究依赖于对 T 细胞受体（TCR）与 B 细胞受体（BCR）序列的深入分析。TCR 与 BCR 序列的多样性是适应性免疫应答的核心特征，大规模序列数据的积累与共享对理解免疫组库的构成与变化具有重要意义。immuneACCESS 正是在这一背景下建立的公共序列数据集合，其目标定位是全球最大的 TCR 与 BCR 序列集合，为研究者提供可复用的公开数据资源。本站将其归类于免疫系统疾病 / 其他类别，来源站为 clients.adaptivebiotech.com。
【数据内容】
immuneACCESS 的核心内容是 TCR 与 BCR 序列。根据源站描述，该集合规模为全球最大，包含数百万条序列规模的公开数据。这些序列数据以公开数据的形式提供，用户可将其纳入自己的论文与项目。源站未提供关于序列具体组成、样本类型、疾病覆盖范围、序列长度分布等更细粒度的说明。
【采集与来源】
该数据集来源于 clients.adaptivebiotech.com。源站描述表明，其数据为公开数据，用户可通过 immunoSEQ Analyzer 将数百万条序列规模的公开数据纳入自己的研究工作。源站未提供关于数据采集方法、样本来源、测序平台、数据处理流程等方面的具体信息。
【适用场景】
依据源站描述，immuneACCESS 适用于以下场景：将公开的 TCR 与 BCR 序列数据纳入论文与项目；构建用户自己的项目；基于公开数据得出自己的结论；自由发表新的发现。其定位是服务于需要大规模免疫受体序列数据的研究工作。源站未提供关于具体疾病领域、分析类型或应用方向的进一步说明。
【使用方法】
使用 immuneACCESS 的主要途径是 immunoSEQ Analyzer。用户可通过该工具将数百万条序列规模的公开数据纳入自己的论文与项目，并在其上构建自定义项目。源站未提供关于访问权限、注册要求、接口方式、数据下载格式或分析流程的详细说明。
【质量与限制】
源站描述强调该集合为全球最大的 TCR 与 BCR 序列集合，并强调公开数据的可复用性。源站未提供关于数据质量评估、准确性验证、覆盖偏倚、更新频率或使用限制的具体信息。
【引用与许可】
源站描述表明，用户可以自由发表基于该数据的新发现。源站未提供关于引用格式、许可条款或使用协议的详细说明。
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。
需登录公开下载
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。
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://clients.adaptivebiotech.com/immuneaccess
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
全球最大的TCR和BCR序列集合。使用immunoSEQ Analyzer，轻松将价值数百万序列的公共数据纳入您的下一篇论文和项目中。构建您自己的项目，得出您自己的结论，并自由发表新发现。
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。
