慢性淋巴细胞白血病染色质可及性图谱：亚型特异性表观基因组特征与转录调控网络
该数据集来自 NCBI GEO（GSE81274），包含 55 例患者的 88 份慢性淋巴细胞白血病（CLL）样本的全基因组染色质可及性图谱（ATAC-seq），并对 10 份代表性样本进行了 ChIPmentation 和 RNA-seq 分析
基本信息
资源简介
慢性淋巴细胞白血病染色质可及性图谱：亚型特异性表观基因组特征与转录调控网络
Chromatin accessibility maps of chronic lymphocytic leukemia identify subtype-specific epigenome signatures and transcription regulatory networks
该数据集来自 NCBI GEO（GSE81274），包含 55 例患者的 88 份慢性淋巴细胞白血病（CLL）样本的全基因组染色质可及性图谱（ATAC-seq），并对 10 份代表性样本进行了 ChIPmentation 和 RNA-seq 分析。数据可用于研究 CLL 表观基因组失调，识别共享核心调控区之外的样本特异性变异，并基于染色质图谱预测 IGHV 突变状态、推断 IGHV 突变型与未突变型之间的基因调控网络差异（来源 NCBI）。
【数据集背景】
源站首次发布：May 10 201。
【数据内容】
源站描述（机器翻译，仅供参考）：慢性淋巴细胞白血病（CLL）尽管基因改变相对较少，却具有显著的临床异质性。为研究 CLL 表观基因组失调提供基础，我们使用 ATAC-seq 方法为来自 55 例患者的 88 份 CLL 样本建立了全基因组染色质可及性图谱，并对十份代表性样本进行了 ChIPmentation 和 RNA-seq 分析。基于所得数据集，我们设计并应用了一种将染色质图谱与临床注释相关联的生物信息学方法。我们的分析在 CLL 调控区的共享核心之上识别出样本特异性变异。区分 CLL 两个主要亚型的 IGHV 突变状态可通过染色质图谱准确预测，并且针对 IGHV 突变型与 IGHV 未突变型样本推断的基因调控网络识别出二者之间的特征性差异。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：GPL21290、9606。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE81274
【使用注意】
· 源站最后修改于 Dec 23 201，引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE81274
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
慢性淋巴细胞白血病(CLL)以显著的临床异质性为特征，尽管其基因改变相对较少。为了给研究CLL中表观基因组失调提供基础，我们采用ATAC-seq检测方法，为来自55例患者的88份CLL样本建立了全基因组染色质可及性图谱，并且我们还对十份代表性样本进行了ChIPmentation和RNA-seq分析。基于所得数据集，我们设计并应用了一种将染色质图谱与临床注释相关联的生物信息学方法。我们的分析在CLL调控区域的共享核心之上，识别出了样本特异性变异。IGHV突变状态——它区分了CLL的两个主要亚型——可通过染色质图谱准确预测，并且针对IGHV突变型与IGHV未突变型样本推断出的基因调控网络，识别出了这两种疾病亚型之间的特征性差异。总之，我们发现了CLL染色质景观中广泛的异质性，建立了一个用于研究白血病表观基因组失调的社区资源，并证明了在癌症队列和临床研究中进行染色质可及性图谱绘制的可行性。
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。
