使用纳米孔测序捕获Wilms肿瘤中临床可操作的拷贝数改变
该数据集包含15个Wilms肿瘤PDX样本的纳米孔全基因组测序数据，用于检测临床相关的拷贝数改变。
基本信息
资源简介
使用纳米孔测序捕获Wilms肿瘤中临床可操作的拷贝数改变
【一句话概览】
利用Oxford nanopore MinION平台对15例患者来源的Wilms瘤PDX样本进行全基因组测序，这些样本的拷贝数谱此前已通过全外显子组测序和多重连接依赖探针扩增（MLPA）表征。另对5例样本（KT-22、KT-25、KT-47、KT-55和KT-60）开展adaptive sampling，以富集Wilms瘤临床相关区域。数据关联项目PRJNA1370186，来源为St. Jude Children''s Research Hospital（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Capturing clinically actionable copy number alterations in Wilms tumor using nanopore sequencing》。源站首次发布：2025-11-30。
【数据内容】
源站原始描述：Whole-genome sequencing (WGS) using the Oxford nanopore (ONT) MinION platform was performed on 15 patient-derived Wilms tumor patient-derived xenografts (PDX) samples which had their copy number profile previously characterized by whole exome sequencing (WES) and multiplex ligation-dependent probe amplification (MLPA). In addition to WGS, adaptive sampling was performed in 5 samples (KT-22, KT-25, KT-47, KT-55, and KT-60) to enrich for clinically relevant regions in Wilms tumor
中文译文（机器翻译，仅供快速理解，请以原文为准）：使用Oxford Nanopore（ONT）MinION平台对15份患者来源的Wilms瘤患者来源异种移植（PDX）样本进行了全基因组测序（WGS），这些样本的拷贝数谱此前已通过全外显子组测序（WES）和多重连接依赖探针扩增（MLPA）进行了表征。除WGS外，还对5份样本（KT-22、KT-25、KT-47、KT-55和KT-60）进行了自适应采样，以富集Wilms瘤中临床相关区域。
【主题与分类】
主题标签：PRJNA1370186、St. Jude Children''s Research Hospital。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/sra/SRP649424
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://www.ncbi.nlm.nih.gov/sra/SRP649424
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
