支持数据：使用Flongle流动池纳米孔测序对慢性淋巴细胞白血病IGH重排进行快速克隆分型的性能评估
该数据集包含13名慢性淋巴细胞白血病患者的免疫球蛋白重链基因重排测序数据，通过纳米孔Flongle流动池和Illumina MiSeq平台生成，涉及基因测序模态，主要用于评估纳米孔技术在克隆分型中的性能，支持疾病诊断、预后监测及血液病理学工作流程优化研究。
基本信息
资源简介
支持数据：使用Flongle流动池纳米孔测序对慢性淋巴细胞白血病IGH重排进行快速克隆分型的性能评估
【数据集背景】
本数据集源站标题为《Supporting Data for: Performance of rapid clonotyping of chronic lymphocytic leukemia using Flongle flow-cell Nanopore sequencing of IGH rearrangements》。
【数据内容】
源站原始描述：Background: Clonotyping of immunoglobulin heavy chain (IGH) gene rearrangements is critical for diagnosis, prognostication, and measurable residual disease (MRD) monitoring in chronic lymphocytic leukemia (CLL). While short-read next-generation sequencing (NGS) platforms like Illumina MiSeq are widely used, they face challenges in spanning full VDJ rearrangements. Flexible sequencing via Oxford Nanopore Technologies (ONT) offers a potential alternative, especially using the compact and cost-effe…
【主题与分类】
主题标签：Medicine, Health and Life Sciences。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:f85afab2a3181b64f32f9428ab63da4fd2176c92045b78a148e6e57150bf2d2a
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
该数据集是一项关于慢性淋巴细胞白血病（CLL）克隆分型方法评估的研究数据。数据集包含13名CLL患者的免疫球蛋白重链（IGH）基因重排测序数据，通过使用牛津纳米孔技术（ONT）的MinION平台结合Flongle流动池进行测序，并与基于Illumina MiSeq的LymphoTrack检测结果进行比较。数据内容包括IGH FR1扩增子测序原始数据、克隆型识别结果、克隆负荷估计以及体细胞超突变状态分析。数据来源于临床样本，采用Smith-Waterman比对和IgBlast工具进行分析。该数据集主要用于评估纳米孔Flongle测序在CLL的IGH克隆分型中的准确性、速度和成本效益，支持其在血液病理学常规和去中心化工作流程中的应用研究。
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。
