CPTAC-STAD — 胃癌影像-蛋白-基因组配对公共集

INFOBOX — CPTAC-STAD 一屏速览

维度	内容
本质	NCI CPTAC 胃腺癌（STAD）队列的影像公开发布（TCIA collection）——放射 CT/US + 病理全切片
发布方	数据生成：NCI CPTAC；影像托管：TCIA（Version 1，2026/03/12 更新）
DOI	10.7937/jw9a-8k71（数据引用强制）
放射影像	CT + 超声，DICOM，20 例 / 22 studies / 99 series / 38,660 张 / 21GB；标准诊疗口径，异质协议
病理影像	H&E 全切片 WSI，SVS 格式，168 例 / 703 studies / 1.1TB；CPTAC qualification workflow 采集
许可	CC BY 4.0（两类数据均开放）+ TCIA 数据引用与致谢义务
分子联动	经 NCI CRDC 连 PDC（蛋白组+临床）、GDC（基因组+临床，CPTAC-3 project）、IDC（云端影像镜像）
关联论文	Wang et al. Cell Reports Medicine 2026;7(5):102756（15 层多组学 atlas，159 肿瘤+30 NAT，5 个 ecotypes）
队列来源	波兰多中心为主（Poznań/Warsaw/Zielona Góra/Sosnowiec）+ 加拿大 Calgary（放射）+ 美国 USF BioCell
获取	DICOM 用 TCIA Data Retriever；SVS 用 IBM Aspera Connect；IDC 提供云端入口
标注情况	无像素级病灶标注；影像-分子配对靠 CRDC 患者级关联
坑点密度	模态覆盖不对称（20 vs 168）/ TCGA-STAD 混淆 / 论文-影像数字不同 / Aspera 工具链，共 8 坑（§8）

§0 导读：这个数据集解决什么问题

胃癌是全球疾病负担最重的恶性肿瘤之一，而公开可用的胃癌影像-分子配对资源长期稀缺：TCGA-STAD 提供基因组与转录组，亚洲癌症研究组（ACRG）提供转录组分层，但两者都不带放射与病理影像；CPTAC 家族虽然完成了胃癌的蛋白基因组学解析，其影像部分直到 2026 年 3 月才由 TCIA 正式发布——这就是本条目主角 CPTAC-STAD。

它一次补齐两块拼图：其一，把 CPTAC 胃癌队列的**标准诊疗放射影像（CT/超声，20 例）与病理全切片（H&E WSI，168 例）**以 CC BY-4.0 开放；其二，通过 NCI 癌症研究共享资源（CRDC）把影像与 PDC 蛋白组、GDC 基因组、临床注释挂接，使「影像表型 ↔ 分子表型」的配对建模第一次在胃癌上成为可复现的公共资源流程。配套论文（Cell Reports Medicine 2026）给出了 15 层多组学图谱与 5 个预后 ecotypes（生态型），是影像特征的分子解释锚点。

对检索者的三点提醒放在最前面：放射影像只有 20 例（别被 168 的汇总数字误导）；影像没有病灶级标注（是原始素材而非标注集）；它与 TCGA-STAD 是两个不同队列（患者不同、平台不同、托管库不同）。详见 §8 坑点清单。

§1 数据集速览：十问十答

1. CPTAC-STAD 是什么？ NCI 临床蛋白质组肿瘤分析联盟（CPTAC）胃腺癌（Stomach Adenocarcinoma, STAD）队列的影像公开发布，托管于 The Cancer Imaging Archive（TCIA），collection 名 CPTAC-STAD，DOI 10.7937/jw9a-8k71。
2. 有多大？ 放射影像 CT+超声共 20 例患者（22 studies、99 series、38,660 张 DICOM、21GB）；病理全切片共 168 例患者（703 studies、1.1TB SVS）。TCIA 汇总行写「168 例、1.12TB」。
3. license 是什么？ CC BY-4.0——两类数据均开放下载、允许商用与再分发（署名即可）；另有 TCIA 数据使用政策与数据引用义务。
4. 和 TCGA-STAD 什么关系？ 没有直接关系。TCGA-STAD 是癌症基因组图谱的胃癌队列（基因组为主，GDC 托管，约四百余例）；CPTAC-STAD 是 CPTAC 的蛋白基因组队列（蛋白组为核心，东欧患者为主），影像在 TCIA。患者不重叠、项目不隶属。
5. 有标注吗？ 影像本体无像素级或病灶级标注。患者级临床注释、蛋白组与基因组数据在 PDC/GDC，经 CRDC 关联；论文提供了 ecotypes 分型框架。
6. 怎么下载？ DICOM 用 TCIA Data Retriever；SVS 全切片用 IBM Aspera Connect 插件；IDC 门户提供 20 例 CT/US 的云端访问与导出。
7. 配套论文是哪篇？ Wang et al., 「A 15-layer multi-omics analysis of gastric cancer ecotypes provides therapeutic insights」, Cell Reports Medicine 2026;7(5):102756（PMID 42013851）。
8. 队列来自哪里？ 论文明确患者主要来自东欧，与 TCIA 致谢的波兰四家机构（Poznań/Warsaw/Zielona Góra/Sosnowiec）吻合；放射影像另致谢加拿大 Calgary 放射中心（CIPAC）。
9. 适合做什么任务？ 病理组学（WSI ↔ 分子/预后）、放射-病理-分子三模态关联、ecotypes 验证与外推、亚型分类器开发。20 例放射影像只够做探索性分析，不够训练大模型。
10. AI-Ready 程度如何？ 本条目 DAIMS 综合评分 7.6/10：license 与获取近乎满分，标注与放射样本量是主要失分项（§6.1、附录 B）。

§2 数据构成与规格

2.0 背景先行：胃癌分子分型三十年与影像的缺位

理解 CPTAC-STAD 的价值，需要先看胃癌分子分型的演进史——以及每一步里影像的缺席：

体系	年代	分型依据	层数	影像
Lauren 分型	1965	组织学（肠型/弥漫型/混合型）	形态 1 层	无
WHO 分类	历次修订	组织病理学	形态为主	无
TCGA 分子分型	2014	基因组/转录组（EBV/MSI/CIN/GS 四型）	基因组为主	无成系影像
ACRG 分子分型	2015	转录组（MSS/EMT、MSS/TP53+、MSI、EBV）	转录组为主	无公开影像
CPTAC-STAD 多组学	2026	15 层多组学 + 5 个 ecotypes	15 层	168 WSI + 20 CT/US

三个观察：

1. 分型层数在加，影像维度始终缺位——直到 CPTAC-STAD 发布，胃癌的「分子分型 × 影像表型」交叉才第一次有了公共数据底座。
2. ecotypes 是对既有体系的再分层——论文明确其 ecotypes 在 TCGA/ACRG 分型之上引入 TME 维度，不是替代关系；检索者做迁移对照时需要同时拿到两套标签。
3. 组织学体系（Lauren/WHO）仍是临床通用语——影像-分子研究最终要落回组织学可解释性，本集的 WSI 恰好承担这一桥梁。

2.1 规模、来源与机构构成

CPTAC-STAD 的官方数字只有一张两行数据表（TCIA collection 页，Version 1，2026/03/12 更新，抓取时点 2026-10-09）：

子集	数据类型	格式	体量	Subjects	Studies	Series	Images	License	下载工具
放射影像	CT, US	DICOM	21GB	20	22	99	38,660	CC BY 4.0	TCIA Data Retriever
病理切片	Histopathology, Whole Slide Image	SVS	1.1TB	168	703	—	—	CC BY 4.0	IBM Aspera Connect
汇总行	Histopathology, WSI, CT, US	—	1.12TB	168	—	—	—	—	—

三点解读：

1. 汇总行取两模态并集的最大口径——「168 例」是病理 WSI 的患者数，「1.12TB」≈ WSI 1.1TB + DICOM 21GB。把汇总行读成「168 例全部有 CT」是最常见误读（坑 3）。
2. CT/US 的 20 例是否为 WSI 168 例的子集，官方页未说明。IDC 镜像页同样只给 20 例口径。配对建模前需逐例核对 PatientID（坑 1）。
3. WSI 侧只公布 subjects/studies 两列——703 个 study 对应的单张 slide 总数未单独披露，按 WSI 采集惯例每 study 常对应一次切片扫描会话，实际切片数可能与 703 不等（§9 遗留疑点）。

机构构成（TCIA 致谢页原文口径）：

机构	国家/城市	贡献侧
International Institute of Molecular Oncology（IIMoZ）	波兰 · Poznań	蛋白基因组队列（Wiznerowicz、Lubiński 团队）
Central Clinical Hospital	波兰 · Warsaw	临床/样本（Czernicki、Marchel）
Karol Marcinkowski Regional Clinical Hospital	波兰 · Zielona Góra	临床/样本（Jarmużek、Stawicki、Makarewicz）
Regional Clinical Hospital	波兰 · Sosnowiec	临床/样本（Szopa、Kaspera）
University of Calgary（含 CIPAC 放射中心）	加拿大 · Calgary	放射影像（Bathe；Salluzzi、Blenkin）
University of South Florida BioCell	美国 · 佛罗里达	处理/质控

论文侧口径与之一致：分析队列「主要来自东欧患者」，且明确说明这补充了既往以亚洲人群为主的胃癌蛋白组学研究（TCGA 以欧美为主、ACRG 以韩国为主，CPTAC-STAD 提供了东欧人群维度）。

2.2 放射影像：20 例 CT/超声的异质真相

TCIA 对 CPTAC 系列放射影像的定位是「标准诊疗影像回溯采集」：扫描发生在病理诊断之前的即时诊疗窗口，加上「有则收录」的随访扫描。这带来三个直接后果：

• 协议异质：扫描仪厂商、机型、层厚、增强方案、序列参数均不统一——它不是为影像研究设计的标准化采集协议，而是真实世界诊疗的副产品。
• 模态混合：CT 与超声（US）混在同一 collection 里；IDC 镜像页同样标注 Modalities: CT, US。做模态特异分析需按 DICOM Modality 标签自行分流。
• 体量小：20 例患者/22 studies/99 series/38,660 张图像——这是探索性样本量，适合方法验证、case study、与 168 例 WSI 的小规模三角验证，不适合统计功效敏感的影像组学结论。

38,660 张 DICOM 图像对 99 个 series 的均值为每 series 约 390 张，符合 CT 轴位序列的典型体素规模；22 studies 对 20 例患者说明仅 2 例有第二次检查（或随访）——「标准诊疗+随访」的回溯口径下这个比例符合预期，也提示纵向建模资源非常有限。

2.3 病理全切片：168 例 WSI 的采集口径

病理影像来自 CPTAC qualification workflow——CPTAC 项目在样本入组与质控阶段的病理切片数字化流程。关键规格：

• 格式：SVS（OpenSlide 兼容的单文件金字塔格式），每张切片独立文件，总体量 1.1TB。
• 患者覆盖：168 例，是两模态中覆盖最广的一支——这也是 TCIA 汇总行取 168 的原因。
• 粒度：703 个 studies；TCIA 页面未给出 slide 总数与单切片分辨率，需下载元数据后逐例确认（§9 遗留疑点 2）。
• 下载方式：必须用 IBM Aspera Connect 插件（浏览器插件式高速传输），TCIA Data Retriever 不适用此子集——工具链分裂是新手第一大坑（坑 2）。

与论文的对应关系：论文分析集为 159 例肿瘤 + 30 例配对正常邻近组织（NAT），入组 165 例原发性非贲门胃腺癌、41 例 NAT，排除遗传性癌症易感患者后保留上述数字。TCIA 的 168 例 WSI 与论文的 159+30=189 个分析样本是两个口径：168 是影像侧患者数，189 是分子侧样本数（一例可出多个样本），不能画等号（坑 5）。

2.4 三库挂接：CRDC 里的 CPTAC-STAD

TCIA collection 页的 External Resources 一节明确了 CPTAC-STAD 在 NCI 癌症研究共享资源（Cancer Research Data Commons, CRDC）中的四库结构：

资源库	承载内容	CPTAC-STAD 相关口径
TCIA	放射+病理影像	20 例 DICOM + 168 例 SVS（本条目主体）
IDC（Imaging Data Commons）	影像云端镜像	CT/US 20 例（portal.imaging.datacommons.cancer.gov/collections/cptac_stad），支持 BigQuery 与云端导出
PDC（Proteomic Data Commons）	蛋白组+临床	CPTAC3 Discovery/Confirmatory STAD 蛋白定量与热图（CRDC 2026-06 更新日志证实）
GDC（Genomic Data Commons）	基因组+临床	CPTAC-3 project（含 STAD 子队列）；受控原始测序走 dbGaP

GDC projects API 实查（2026-10-09）：GDC 上 CPTAC 只有两个 project_id——CPTAC-2 与 CPTAC-3；没有独立的 CPTAC-3-STAD，STAD 是 CPTAC-3 之下的癌种子队列。受控基因组原始数据的项目级 dbGaP accession 为 phs001287（CPTAC-3 项目族口径，与库内 cptac 条目一致；STAD 子队列是否单独成版未核，见 §9）。

2.5 影像与分子数据的对齐边界

把 CPTAC-STAD 用起来的核心操作是「患者级对齐」：

TCIA PatientID（影像侧）
   │  CRDC case-level 索引
   ├── PDC：蛋白组矩阵（TMT 全蛋白/磷酸化/糖基化/乙酰化/DIA 泛素化）+ 临床
   ├── GDC：WGS/WES 体突变与 CNA、甲基化、RNA-seq + 临床
   └── 论文：15 层整合结果（ecotypes 标签、HMGB3 等发现）

三条边界必须提前知晓：

1. 影像只有患者级——影像侧没有切片-样本级的组织学对应声明；病理 WSI 与分子矩阵的样本对应要靠 CRDC 的 case 级索引与样本元数据反查。
2. 放射影像时间点无标准化声明——「病理诊断前即时」只是窗口描述，具体间隔需逐 study 读 DICOM 时间戳。
3. 论文标签 ≠ 数据集标签——5 个 ecotypes 是论文的衍生分析产物，发表在论文补充材料与 figshare 类资源，不在 TCIA 影像包里；直接使用需从论文资源渠道获取（§6.3）。

§3 配套论文：15 层多组学图谱与 5 个 ecotypes

3.1 论文身份与数据集的关系

CPTAC-STAD 影像发布的官方推荐文献是数据集作者指定的一篇：

• 标题：A 15-layer multi-omics analysis of gastric cancer ecotypes provides therapeutic insights（胃癌生态型的 15 层多组学分析提供治疗洞见）
• 作者：Yuefan Wang, Lindsey K. Olsen, Fenglong Jiao, … Hui Zhang, Bing Zhang 及 CPTAC Consortium
• 通讯：Hui Zhang（Johns Hopkins University）、Bing Zhang（Baylor College of Medicine）
• 发表：Cell Reports Medicine 2026;7(5):102756；PMID 42013851；doi 10.1016/j.xcrm.2026.102756；线上 2026-05-19；开放获取（© 2026 The Authors）
• DOI 之外的入口：eScholarship（加州系统仓储）存有全文 PDF；TCIA 新闻页直接以该论文作为影像数据的下游应用示范

数据集与论文的分工：论文产出分子层（159 肿瘤 + 30 NAT 的 15 层图谱与 ecotypes）；TCIA 发布影像层（168 例 WSI + 20 例 CT/US）。两层经 CRDC 的患者索引合流，构成「影像表型—分子机制」的完整证据链。TCIA 新闻页明确鼓励检索者「在该论文发现的基础上开发新的 radiomic 与 pathomic 生物标志物」。

3.2 队列画像：东欧为主的 165 例入组

论文方法学侧的关键口径（用于解读影像子集的来源）：

• 入组：165 例未经治疗的原发性非贲门胃腺癌 + 41 例配对的组织学证实正常邻近组织（NAT）
• 排除：已知遗传性癌症易感综合征患者
• 分析保留：159 例肿瘤 + 30 例 NAT
• 人群：主要来自东欧（波兰多中心），补充既往以亚洲人群为主的蛋白组学研究；覆盖年龄、临床性别、组织学类型与分期的多样性
• 组织处理：均质化速冻组织做多组学分析——与影像侧的福尔马林固定石蜡包埋（FFPE）切片是不同处理路径，这是「影像-分子对齐需逐例核对」的技术根源之一

注意「非贲门」限定：食管胃结合部（贲门）癌不在队列内——检索者若把任务定义写成泛「胃癌」会遇到标签边界问题。

3.3 15 层是什么：技术栈全表

论文「15 层」的构成（摘要与方法节口径，技术术语首现标英文）：

#	层	平台/技术	产出
1	体细胞突变	WGS + WES	SNV/indel、显著突变基因
2	拷贝数变异	WGS	CNA 谱
3	DNA 甲基化	甲基化芯片	启动子/增强子甲基化
4	mRNA	RNA-seq	基因表达
5	miRNA/circRNA	miRNA 测序	非编码 RNA 丰度
6	全蛋白组	TMT 串联质谱	蛋白丰度
7	磷酸化	TMT 磷酸肽富集	信号通路活性
8	糖基化	TMT 糖肽富集	糖蛋白修饰
9	乙酰化	TMT 乙酰肽富集	乙酰化修饰
10	泛素化	DIA 蛋白组（泛素化肽富集）	蛋白降解调节
11	蛋白-蛋白互作	交联质谱（XL-MS）	PPI 网络
12	代谢组	代谢组学谱	肿瘤代谢物
13	微生物组	WGS/RNA-seq 推断	肿瘤相关微生物
14	细胞状态去卷积	计算去卷积	TME 细胞构成
15	临床注释	病历与随访	分期/预后/治疗响应

3.4 核心结果：5 个预后 ecotypes

• ecotype（生态型）定义：按肿瘤微环境细胞状态构成（去卷积）对肿瘤聚类得到的「细胞生态群落」标签，区别于基因组或组织学亚型。
• 数量与预后：5 个 ecotypes，各自携带不同的 TME 架构、转录程序与预后关联；图形摘要口径为「5 Prognostic Ecotypes, 159 Gastric Cancers」。
• 对既有分型的精化：ecotypes 在 TCGA 分子亚型（EBV/MSI/CIN/GS）与 ACRG 组织学分型之上提供 TME 维度的再分层。
• 治疗含义：论文将 ecotype 与免疫治疗响应线索（PredictIO 分析口径）关联，并对 ecotype 特异性、基因组亚型特异性与细胞类型特异性靶点做了优先级排序。
• 分子亮点：HMGB3 作为独立结果节出现（摘要 TOC 口径），是论文点名的关键分子发现之一。

对影像研究者而言，ecotypes 的价值在于提供了一个可检验的中间表型：病理 WSI 的形态学特征（间质比例、浸润构型、腺体结构）与 ecotype 标签存在天然的对应假设——这正是 TCIA 新闻鼓励的 pathomic 方向。

3.5 ecotypes 与既有分型的对照框架

论文将 5 个 ecotypes 定位为 TME 架构维度的「再分层」，检索者可按下列对照框架设计迁移实验（框架性说明，具体分型边界以论文正文与补充材料为准）：

既有体系	分层依据	与 ecotypes 的关系
TCGA 四型（EBV/MSI/CIN/GS）	基因组事件驱动	ecotypes 捕捉其之上的 TME 差异；同一基因组亚型可含多个 ecotypes
ACRG 四型（MSS/EMT、MSS/TP53+、MSI、EBV）	转录特征驱动	ecotypes 的细胞状态构成与 EMT/免疫浸润特征存在对应假设
Lauren 组织学分型	形态学	WSI 形态学特征（肠型腺体/弥漫型细胞）为 ecotypes 的影像侧可解释锚点
代谢/免疫治疗响应分层	治疗响应	论文以 PredictIO 分析关联 ecotypes 与免疫治疗响应线索

实验设计建议：先在论文标签上复现分层效能，再检验「WSI 形态特征能否预测 ecotype 归属」——这是 TCIA 新闻页点名的 pathomic biomarker 方向。

3.6 HMGB3 在结果体系中的位置

论文结果节把 HMGB3（High Mobility Group Box 3）单列为一节（RESULTS: Comprehensive Molecular Characterization / HMGB3 口径），是多组学整合筛出的重点分子之一。对影像研究者，其意义在于提供了一个候选机制锚点：若 WSI 形态聚类出现稳定亚群，HMGB3 相关通路状态可作为分子侧解释假设之一。本条目不展开机制细节（以论文原文为准），仅提示其在数据集叙事中的角色——它是「影像-分子对话」可用的第一批词汇。

3.7 蛋白组技术路线的两段式

TCIA 页面对 CPTAC 蛋白组技术路线给出通用口径，也适用于 STAD：

• discovery proteomics（发现型/非靶向）：最大化鉴定与定量样本中蛋白数量——对应 TMT 多通道质谱的全景扫描。
• targeted proteomics（靶向型）：在发现型之后对选定目标做定量确证——CPTAC 队列按 Discovery/Confirmatory 两段发布（PDC 同口径分批），这解释了 PDC 上 STAD 数据分批出现的原因。

§4 任务与用法：三类可落地的研究设计

4.1 病理组学（pathomics）——168 例 WSI 的主战场

• 任务形态：WSI 形态学特征 ↔ ecotypes/分子标签/预后的关联；多实例学习（MIL）框架下做亚型分类。
• 素材现状：影像无标注，标签从 CRDC（临床/分子）与论文（ecotypes）导入；168 例是可用的弱监督样本量。
• 对标谱系：胃癌 WSI 公开资源远少于前列腺/结直肠癌；CPTAC-STAD 是目前胃癌病理组学少有的「影像+深度分子」配对公共集。
• 现实约束：1.1TB SVS + Aspera 传输；无全国统一的 patch 预处理协议，需自建切图流水线。

4.2 放射-病理-分子三模态——20 例的探索定位

• 可行设计：以 20 例 CT/US 为探索集，验证「放射表型 ↔ 病理形态 ↔ 分子标签」的三角一致性；为更大规模前瞻采集提供假说。
• 不可行设计：任何以 20 例为训练集的放射组学模型外推声明；任何纵向疗效结论（22 studies/20 例的纵向资源几乎为零）。
• 方法论提示：标准诊疗 CT 的异质性要求逐 series 记录厂商/层厚/增强相位；超声的图像质量与操作者依赖性更高，建议单列。

4.3 ecotypes 外推与验证——论文资源的正确打开方式

• 验证设计：在独立胃癌队列（如 ACRG 衍生数据或自采队列）检验 5-ecotype 分类器的可复现性；CPTAC-STAD WSI 作为形态学对应验证集。
• 资源边界：ecotypes 标签本身是论文衍生产物，获取渠道是论文资源节（PDC/figshare/通讯作者），不在 TCIA 影像包内（坑 6）。

§5 获取与许可：CC BY-4.0 的门与工具链

5.1 两条下载路径与一个云端入口

# 路径 A：放射 DICOM（21GB，20 例）
# 1. 访问 https://www.cancerimagingarchive.net/collection/cptac-stad/
# 2. Images 行 → 「Download」按钮（需安装 TCIA Data Retriever）
# 3. Data Retriever 读取 manifest 文件批量拉取 DICOM

# 路径 B：病理 SVS（1.1TB，168 例）
# 1. 同页面 Tissue Slide Images 行 → 「Download」
# 2. 浏览器需安装 IBM Aspera Connect 插件
# 3. Aspera 高速传输 SVS 文件（单文件金字塔格式，OpenSlide 可读）

# 路径 C：云端（IDC 镜像，仅 CT/US 20 例）
# https://portal.imaging.datacommons.cancer.gov/collections/cptac_stad
# 支持 DICOM 导出与 BigQuery 元数据查询

5.2 许可细读：CC BY-4.0 加两项义务

TCIA 两行数据均标注 CC BY 4.0——允许任意用途（含商用）的复制、再分发与衍生，条件是署名。但 TCIA 在 CC BY-4.0 之上叠加两项非许可义务：

1. 数据引用义务：使用数据必须在成果中给出官方 Data Citation（含 DOI）：

   National Cancer Institute Clinical Proteomic Tumor Analysis Consortium (CPTAC). (2026). The Clinical Proteomic Tumor Analysis Consortium Stomach Adenocarcinoma Collection (CPTAC-STAD) (Version 1) [Data set]. The Cancer Imaging Archive. https://doi.org/10.7937/jw9a-8k71

2. CPTAC 致谢声明：CPTAC 项目要求发表物包含原文声明——「Data used in this publication were generated by the National Cancer Institute Clinical Proteomic Tumor Analysis Consortium (CPTAC).」

此外 TCIA 数据使用政策（Data Usage Policies and Restrictions）对去标识、再识别禁止等有通用条款——CC BY-4.0 不豁免这些。

5.3 版本链与发布时间线

时点	事件	依据
2026-03-12	TCIA CPTAC-STAD Version 1 页面更新（数据发布时点）	TCIA collection 页 Updated 字段
2026-05-19	配套论文 Cell Rep Med 线上发表	期刊页/bioz 全文页口径
2026-06	CRDC 月报：PDC 增补 STAD 蛋白定量/热图/出版物信息；IDC 新增 CPTAC STAD 影像镜像	datacommons.cancer.gov 新闻
2026-08	TCIA 官方新闻高调推介（New Dataset: CPTAC-STAD）	TCIA 新闻页 + Google Groups 月报
2026-10-09	本条目抓取与成稿时点	本条目

版本纪律：TCIA collection 以 Version 号滚动（当前 Version 1）；PDC/GDC 随 CRDC V5.x–V6.x 月度发布滚动。引用时写死 Version 1 + DOI；若未来出现 Version 2，逐例核对患者列表是否扩容。

5.4 网络受限环境的实操提示

• WSI 1.1TB 单次拉取对网络稳定要求高；Aspera 支持断点续传，建议按 patient 分批下载并保留 manifest 勾选状态。
• IDC 云端路径可先行用 20 例 CT/US 打通处理流水线，再决定是否全量拉取 WSI。
• SVS 用 OpenSlide/whole-slide 接口读取，避免一次性展开金字塔顶层之外的全分辨率层。

§6 AI-Ready 评估：DAIMS 五维打分

6.1 五维评分表

维度	评分（1-10）	依据
D 可发现性	7	TCIA collection 页 + DOI 注册 + IDC 镜像页 + TCIA 官方新闻四重入口；但名称与 TCGA-STAD 强近似，检索「gastric cancer dataset」时易混或漏检
A 可获取性	8	CC BY-4.0 全开放直链、无注册门槛、两模态分工具下载；扣分项：1.1TB 体量 + Aspera 插件依赖 + 网络受限环境成本
I 可互操作	7	DICOM 标准格式 + SVS（OpenSlide 生态兼容）+ CRDC 四库患者级索引；扣分项：WSI 未做 DICOM 化镜像（IDC 仅镜像 CT/US 20 例），两模态对齐靠自行核对 PatientID
M 元数据质量	8	TCIA 表格给出 subjects/studies/series/images 四级计数与版本/更新字段；CRDC 提供临床-分子关联元数据；扣分项：slide 级总数未披露、放射-病理患者重叠关系未声明
S 可持续性	8	NCI/TCIA 长期托管与 DOI 版本化政策；PDC/GDC 月度滚动更新；CPTAC Imaging SIG 长期维护信号
综合评级	7.6/10（良好）	开放性与托管质量高于均值；失分集中在标注缺失与模态覆盖不对称——这是队列设计属性而非发布缺陷

6.2 与库内可获取性光谱的对照

按本库「AI-Ready 光谱」口径（从请求制到全开放直链）：

• CPTAC-STAD 处于光谱最开放端：CC BY-4.0 + 无注册 + 直链下载，与库内 TCIA 系公开 collection（如 lctsc、rider-lung-ct）同级。
• 但其「AI-Ready 的短板在标签而非通道」：影像-分子配对需要检索者自行完成 CRDC 患者索引对齐，这一步的工程成本与出错风险显著高于有官方标签表的标注型数据集。
• 对照库内 cptac(259) 条目的「混合访问」口径（蛋白组开放/基因组 dbGaP 受控），CPTAC-STAD 影像部分是纯开放资产，受控部分只在基因组原始数据一环。

6.3 资源预算规划参考（立项前自查）

项目	放射侧（20 例）	病理侧（168 例）	说明
原始存储	≥40GB	≥1.3TB	体量 + 解压/中间产物冗余
patch 缓存	不适用	3-5TB（经验量级）	20x 全片切图后的 tile 缓存
首次下载时长	小时级	天级（Aspera 带宽决定）	建议 10Gbps+ 或分批夜间跑
特征提取算力	CPU 即可	单卡 GPU 数天	patch 级基础模型推理为主
对齐工程	PatientID 求交	CRDC 三源合并	附录 H.4 流程 + 人工抽检

立项判断口诀：先跑通 20 例 CT/US + IDC 云端（一周内可闭环），再决定 1.1TB WSI 的全量投入。

6.4 评估小结：谁该立刻下载，谁该再等等

• 立刻下载：做胃癌病理组学、ecotypes 外推、影像-分子关联方法开发的团队——168 例 WSI + CC BY-4.0 的组合在胃癌公开资源里没有对手。
• 再等等/只下 20 例：希望训练放射组学模型的团队（样本量不支持）；存储与带宽受限的团队（先走 IDC 云端）。
• 不适用：需要像素级病灶标注的分割任务（本集无标注）；需要贲门癌的队列（论文明确非贲门入组）。

§7 生态与影响：CPTAC 家族里的胃癌拼图

7.1 CPTAC 系列的 collection 化逻辑

TCIA 对 CPTAC 影像的发布策略是「一个癌种一个 collection」——collection 名格式 CPTAC-<cancertype>（TCIA 页面原文口径）。CPTAC-STAD 是该系列中的胃癌成员。库内两条 CPTAC 条目的覆盖关系：

库内条目	rid	覆盖范围	与 CPTAC-STAD 的关系
cptac	259	CPTAC 泛癌蛋白基因组总览（10 癌种 1,073 例口径）	本条目是其 STAD 癌种的下钻；其成稿时点影像侧尚未含 CPTAC-STAD collection
cptac-imaging	527	CPTAC 影像总览（泛癌影像-组学配对）	其正文经 2026-10-09 复核零命中 STAD/胃癌——本条目补齐影像家族新成员
cptac-stad	本条目	STAD 影像专门篇	TCIA Version 1（2026-03-12）发布的新 collection

7.2 与 TCGA-STAD 的概念切割（必读）

这是本条目最重要的生态澄清：

维度	TCGA-STAD	CPTAC-STAD
项目归属	The Cancer Genome Atlas（TCGA）	NCI CPTAC（蛋白基因组专项）
数据核心	基因组/转录组（无蛋白组深度）	蛋白组为核心（15 层多组学）+ 影像
队列构成	欧美为主、约四百余例（TCGA 通用口径）	东欧（波兰）为主，165 例入组/159 肿瘤分析
托管位置	GDC（TCGA-STAD 为独立 project_id）	TCIA（影像）+ PDC（蛋白）+ GDC CPTAC-3（基因组）
dbGaP	TCGA 受控数据各有 accession	CPTAC-3 项目级 phs001287
影像	无 TCIA collection（TCGA-STAD 影像未成系）	本 collection（20 CT/US + 168 WSI）

两队列的患者不重叠、平台不隶属；文献中「STAD」一词只指「胃腺癌」这个癌种代码（STAD 是 TCGA 癌种缩写体系里的 Stomach Adenocarcinoma），不指示队列归属。检索时必须同时给出项目名与癌种缩写。

7.3 CRDC 生态中的位置

CPTAC-STAD 是 NCI「一次采集、四库共享」战略的实例：影像在 TCIA/IDC、蛋白在 PDC、基因组在 GDC、患者索引经 CRDC 打通。CRDC 2026-06 更新日志的三条相关记录（原文口径）：

1. 「CPTAC3 Discovery and Confirmatory studies：Added protein quantitation data and heatmaps for STAD datasets；Added Publication information for STAD datasets」——PDC 侧 STAD 蛋白数据与论文关联已上线。
2. 「New Radiology Collections: CPTAC stomach adenocarcinoma (STAD) imaging collections」——IDC 侧影像镜像已收录。
3. 「Added case-level links to imaging data in TCIA for multiple cohorts」——CRDC 的病例级影像链接能力在扩展（CPTAC-STAD 可依托同机制）。

7.4 库内互链建议（rid 对照）

互链条目	rid	互链理由
cptac	259	CPTAC 泛癌总览——本条目为其 STAD 癌种影像下钻
cptac-imaging	527	CPTAC 影像总览——本条目补齐其未覆盖的新 collection
tcia	547	TCIA 平台条目——本条目为其 collection 实例
tcga	566	TCGA 总览——TCGA-STAD 概念区分的锚点
idc	548	IDC——CPTAC-STAD CT/US 云端镜像入口

§8 避坑清单：八个已核实的坑

坑 1：模态覆盖不对称（20 vs 168）
TCIA 汇总行「Subjects 168」只反映 WSI 侧；CT/US 只有 20 例。冲着「影像-分子配对大样本」来的放射组学团队会当场破防。CT/US 患者是否为 WSI 队列子集官方未声明——做配对前先下载两个 manifest 逐 PatientID 求交集。

坑 2：下载工具链分裂
DICOM 子集要 TCIA Data Retriever；SVS 子集要 IBM Aspera Connect 浏览器插件。拿 Data Retriever 去 manifest 里的 SVS 链接会失败，反之亦然。两个工具都要装，且 Aspera 在无浏览器插件化环境（CI/容器）里需走 ascp 命令行变通。

坑 3：汇总数字的三重口径
「168 例 / 1.12TB」是并集最大口径；「20 例/21GB」是放射侧；「703 studies」是 WSI 的 study 计数而非切片数。引用任何单一数字前先声明口径，否则同行评审或复现核对时必翻车。

坑 4：TCGA-STAD 混淆
STAD = Stomach Adenocarcinoma 癌种代码，不指示项目。TCGA-STAD（GDC 独立 project）与 CPTAC-STAD（TCIA collection + CPTAC-3 子队列）患者不同、托管不同、数据类型侧重不同。GDC API 实查：CPTAC 只有 CPTAC-2/CPTAC-3 两个 project_id，没有 CPTAC-3-STAD。

坑 5：论文数字 ≠ 影像数字
论文 159 肿瘤 + 30 NAT（165 入组、41 NAT）是分子分析集；TCIA 168 例 WSI 是影像发布集。168 ≠ 159 ≠ 189。原因包括入组/排除差异与 NAT 影像收录，官方未给逐例对照表——配对建模必须自行经 CRDC 索引核对。

坑 6：ecotypes 标签不在影像包里
5 个 ecotypes 是论文衍生分析产物，随论文资源渠道发布（PDC/补充材料），TCIA 影像包内无标签文件。想直接拿「WSI + ecotype 标签」训练的团队要先从论文资源入口取标签再对齐。

坑 7：标准诊疗影像的异质性
放射影像是诊疗副产品：厂商、协议、增强相位、时相全部异质；CT 与 US 混收。做定量放射组学前先按 DICOM 元数据做 series 级过滤与协议分组，别指望统一预处理参数能吃下全部 99 个 series。

坑 8：CC BY-4.0 不是免责金牌
署名义务之外，TCIA 要求数据引用（DOI 全文引用格式）+ CPTAC 致谢声明原文；TCIA 数据使用政策另有去标识与禁止再识别条款。论文投稿与数据可用性声明里三项都要写，缺一项都可能被 TCIA 或期刊编辑部退回。

§9 与库内条目的关系

9.1 家族图谱

本库胃癌与 CPTAC 相关条目的覆盖图：

CPTAC 家族
├── cptac (259)            泛癌蛋白基因组总览（10 癌种 1,073 例口径）
│     └── STAD 癌种下钻 → 本条目 cptac-stad（影像侧，2026-03 新发布）
├── cptac-imaging (527)    泛癌影像-组学配对总览（成稿时无 STAD 内容）
│     └── 新 collection 补位 → 本条目
└── cptac-stad（本条目）    STAD 影像专门篇（20 CT/US + 168 WSI）

胃癌相关概念锚
├── tcga (566)             TCGA 总览 → TCGA-STAD 概念区分（坑 4）
├── tcia (547)             TCIA 平台 → 本条目为其 collection 实例
└── idc (548)              IDC 平台 → CT/US 20 例云端镜像入口

9.2 检索路径建议

• 从癌种来：检索「胃癌 数据集」「gastric cancer dataset」→ 本条目（影像+分子配对）；找基因组走 tcga(566) 的 TCGA-STAD 线索。
• 从平台来：检索「TCIA collection」→ tcia(547) 了解平台规则 → 本条目看实例；云端需求走 idc(548)。
• 从项目来：检索「CPTAC」→ cptac(259) 看蛋白基因组全景 → 本条目看胃癌影像新拼图；影像-组学配对总策略参考 cptac-imaging(527)。
• 关键词提示：CPTAC-STAD / CPTAC STAD / gastric ecotypes / 胃腺癌 WSI / 胃癌 CT 超声 / CRDC 四库。

9.3 与库内口径的边界声明

• 库内 cptac(259) 条目提到的「ICPC 中研院胃癌队列（TMT11，155 例）」是国际癌症蛋白质基因组联盟的平行队列，与 CPTAC-STAD（CPTAC 自有东欧队列）非同物，两者患者与平台不同——引用时勿混。
• 本条目不改动 cptac/cptac-imaging 的既有正文；若两总览条目未来做维护更新，可按 §7.4 的 rid 对照补链接。

§10 总结

10.1 三句话总结

1. CPTAC-STAD 把 NCI CPTAC 胃腺癌队列的20 例 CT/超声（38,660 张 DICOM）与 168 例病理全切片（703 studies，1.1TB）以 CC BY-4.0 全开放，是胃癌影像-分子配对公共资源从无到有的第一步。
2. 它的价值不在影像样本量（放射侧仅 20 例）而在生态位置：经 CRDC 与 PDC 蛋白组、GDC 基因组、IDC 云端镜像四库互联，配合 15 层多组学论文的 5 个 ecotypes，构成可复现的多模态研究底座。
3. 用它的三道前置题：分清 TCGA-STAD 与 CPTAC-STAD；分清 168/159/20 三套数字口径；备好 Data Retriever 与 Aspera 两套下载工具。

10.2 适合谁

• 做胃癌病理组学（WSI 形态学 ↔ 分子/预后关联）的团队——168 例 WSI 是当前公开胃癌资源里罕见的深度分子配对。
• 做 ecotypes/亚型外推验证的生物信息团队——影像维度提供形态学对应检验。
• 做多模态方法学（影像-蛋白-基因三角验证）的工程团队——CRDC 四库索引是现成的对齐沙盒。
• 需要 CC BY-4.0 可商用许可的数据产品团队。

10.3 不适合谁

• 需要像素级或病灶级标注的分割/检测任务（本集无标注）。
• 想训练放射组学模型的小样本团队（20 例 CT/US + 异质协议，仅够探索）。
• 贲门癌/食管胃结合部方向（论文明确非贲门入组）。
• 无法处理 1.1TB 下载体量或 Aspera 工具链的环境。

10.4 30 秒决策卡

你要做什么？
├── 胃癌病理组学/亚型关联 → 下载 WSI 子集（Aspera）+ CRDC 取标签 → 适用
├── 放射组学建模 → 20 例仅够探索；先 IDC 云端评估 → 谨慎
├── 分割/检测标注任务 → 无标注 → 不适用
├── ecotypes 验证 → 论文资源取标签 + WSI 形态验证 → 适用
├── 贲门癌 → 非贲门队列 → 不适用
└── 跨癌种 CPTAC 对比 → 搭配 cptac(259)/cptac-imaging(527) 使用 → 适用

FAQ（高频问答 48 问）

A. 基础认知

Q1：CPTAC-STAD 是全新采集的数据吗？
不是「为了发布而新采集」——影像来自 CPTAC 胃癌队列患者的标准诊疗（放射）与质控流程（病理切片），2026 年 3 月由 TCIA 整理发布为独立 collection（Version 1，DOI 10.7937/jw9a-8k71）。

Q2：为什么叫 CPTAC-STAD？
CPTAC 的 TCIA 影像发布按「CPTAC-<癌种代码>」命名；STAD 是 Stomach Adenocarcinoma（胃腺癌）的 TCGA 癌种代码体系缩写。同系列还有其他癌种 collection。

Q3：CPTAC-STAD 和 TCGA-STAD 是同一批患者吗？
不是。TCGA-STAD 是 TCGA 项目胃癌队列（基因组为主，GDC 托管）；CPTAC-STAD 是 CPTAC 项目胃癌队列（蛋白组为核心，东欧患者为主）。患者不重叠、项目不隶属（§7.2 对照表）。

Q4：数据何时发布的？
TCIA collection 页 Version 1 标注 Updated 2026/03/12；TCIA 官方新闻与 Google Groups 月报在 2026 年 8 月高调推介；CRDC 2026-06 日志记录了 PDC/IDC 侧的同步动作。

Q5：有配套论文吗？
有。数据集作者推荐：Wang et al., 「A 15-layer multi-omics analysis of gastric cancer ecotypes provides therapeutic insights」, Cell Reports Medicine 2026;7(5):102756（PMID 42013851），开放获取。

B. 数据与获取

Q6：两类影像分别怎么下载？
DICOM（CT/US 20 例，21GB）用 TCIA Data Retriever 读 manifest 下载；SVS 全切片（168 例，1.1TB）需要浏览器安装 IBM Aspera Connect 插件后走高速传输。工具不能互换（坑 2）。

Q7：IDC 上有镜像吗？
有。IDC 门户收录 CPTAC-STAD 的 CT/US 20 例（Subject Count 20，Modalities CT/US），支持在线浏览、DICOM 导出与 BigQuery 元数据查询；WSI 未见镜像。

Q8：总下载量到底多大？
放射 21GB + 病理 1.1TB ≈ 汇总口径 1.12TB。若带宽受限，先走 IDC 云端用 20 例打通流程。

Q9：需要注册账号吗？
TCIA 公开 collection 下载不需要注册；PDC/GDC 的开放数据同样免注册，但基因组原始数据（dbGaP 受控）需机构 PI 走 GRU 申请。

Q10：703 个 studies 等于 703 张切片吗？
不一定。study 是 DICOM/扫描会话计数；TCIA 页面未单独披露 slide 总数，需下载后按 SVS 文件清点（§9 遗留疑点 2）。

Q11：CT 和超声怎么分开？
按 DICOM Modality 标签分流（CT vs US）；collection 内两模态混收，IDC 镜像页同样标注两模态。

Q12：可以只下载部分患者吗？
可以。manifest 按患者/series 勾选；SVS 按文件粒度下载。

Q13：dbGaP 编号是多少？
基因组受控数据走 CPTAC-3 项目级 accession phs001287（CPTAC-3 项目族口径）。STAD 子队列是否单独成版未单独核证，建议申请时以 dbGaP 站内检索为准。

Q14：PDC 上的 study 编号是多少？
TCIA 页面未列出；CRDC 2026-06 日志证实 PDC 已发布 CPTAC3 Discovery/Confirmatory STAD 蛋白定量与热图。具体 PDC000xxx 编号请在 PDC 门户检索「STAD」或从论文 Key Resources Table 获取（坑 6/遗留疑点 1）。

C. 口径与配对

Q15：168 例里有多少同时有 CT？
官方未声明 CT/US 20 例与 WSI 168 例的重叠关系。请下载两个子集的元数据自行求交集（坑 1）。

Q16：影像和论文的 159 例肿瘤怎么对应？
经 CRDC 病例索引逐例核对 PatientID；影像 168 例与论文分析集 159+30=189 个样本是不同口径（坑 5），没有官方逐例对照表。

Q17：有正常组织的影像吗？
TCIA 页面按患者计数，未标注每例的切片组织类型；论文侧 NAT（正常邻近组织）有分子数据，其影像对应关系需逐例核对。

Q18：ecotypes 标签在哪拿？
论文资源渠道（PDC/补充材料/通讯作者），不在 TCIA 影像包内（坑 6）。

Q19：影像有标注吗？
没有像素级或病灶级标注。影像标签依托 DICOM 元数据与 CRDC 临床/分子关联。

Q20：随访影像有多少？
22 studies/20 例说明纵向资源极薄（至多 2 例第二次检查），不足以支撑纵向建模。

D. 许可与引用

Q21：能商用吗？
CC BY-4.0 允许商用，条件是满足署名（数据引用 + CPTAC 致谢声明）与 TCIA 使用政策（含禁止再识别）。

Q22：引用格式是什么？
见 §5.2：NCI CPTAC. (2026). CPTAC-STAD Collection (Version 1) [Data set]. TCIA. https://doi.org/10.7937/jw9a-8k71，外加致谢声明原文。

Q23：发表衍生数据集要遵守什么？
署名 + 不得再识别 + 遵守 TCIA 政策；再分发需保留相同署名要求（CC BY-4.0 传染性署名条款）。

Q24：论文也要引用吗？
TCIA 未强制，但使用 ecotypes 标签或分子结果时必须引用论文（学术规范 + 论文资源条款）。

E. 研究设计

Q25：168 例 WSI 够训练深度模型吗？
弱监督/多实例学习框架下够做亚型关联与预后建模的探索-验证闭环；从零训练大模型不现实，建议接病理基础模型特征。

Q26：20 例 CT 能做放射组学吗？
只够方法验证与假说生成；任何效应量声明都不具备统计功效（§4.2）。

Q27：能和其他胃癌数据集混合训练吗？
可以，但注意人群差异（本集东欧为主 vs ACRG 韩国人群）与协议差异；混合前做批次效应评估。

Q28：CRDC 云端怎么用？
IDC 提供 BigQuery 表（影像元数据）；PDC 提供 CDAP 流水线与 API；云端分析可避免 1.1TB 本地下载。

Q29：cBioPortal 上有这个队列吗？
未核证（本条目成稿时未确认 CPTAC STAD 研究在 cBioPortal 上线）；以 cBioPortal 站内检索为准，本条目不写入正文。

Q30：数据会更新吗？
TCIA 按 Version 滚动（当前 Version 1）；PDC/GDC 随 CRDC 月度发布滚动（2026 年已见 V5.1.1–V6.1 多次发布）。引用时锁定 Version 1 + DOI，更新出现时核对患者列表是否扩容。

F. 口径与背景进阶

Q31：Lauren 分型和 ecotypes 什么关系？
Lauren（肠型/弥漫型/混合型）是组织学体系；ecotypes 是 TME 细胞构成聚类。两者维度不同——前者看肿瘤细胞形态，后者看微环境群落。本集 WSI 可作为两者的形态学桥梁（附录 S 对照表）。

Q32：为什么本集强调「非贲门」？
论文入组限定为原发性非贲门胃腺癌，排除食管胃结合部癌。做泛胃癌任务时，贲门癌样本需另寻资源，且标签体系需注意解剖部位定义差异。

Q33：东欧队列对结论外推有什么影响？
论文明确其价值是补充亚洲人群为主的既往研究；外推到东亚或欧美人群时需评估人群特异性效应（如 EBV 阳性率、MSI 频率的流行病学差异）。

Q34：蛋白组和影像的时间窗对得上吗？
分子分析用速冻组织、影像用 FFPE 切片与诊疗期放射，处理路径不同；放射影像是「病理诊断前即时」窗口。逐例时间差需经临床数据反推（§2.5）。

Q35：一例患者有多少张 WSI？
平均 703 studies / 168 例 ≈ 每 4 例一个 study 的会话计数口径，但单患者切片数分布未披露；下载后逐例清点（F2）。

Q36：可以拿本集做基础模型微调吗？
168 例 WSI 适合做下游评测集（probe/线性层）而非从零微调；放射侧 20 例仅够 case study。

Q37：超声图像的质量一致吗？
US 高度依赖操作者与设备；TCIA 未给质量分级。建议按设备字段（附录 C.1）分组后再做任何定量声明。

Q38：本集和胃癌公开 WSI 资源谁最大？
在「带深度分子配对」约束下本集是头梯队；纯 WSI 体量对比见附录 J.1 景观表（不同资源目标不同，不宜单看张数）。

Q39：如何引用本条目与原始数据的署名顺序？
先引数据 DOI（§5.2）与论文，再引本条目作为导读来源；本条目不能替代数据引用义务。

Q40：需要下全部 1.1TB 才能开始吗？
不需要。先下 thumbnail 层或按患者分批；IDC 云端可先打通 20 例 CT/US 流程（§5.4）。

G. 工程与维护

Q41：Aspera 在容器/CI 里怎么用？
浏览器插件路径不可用时，用 ascp 命令行直连 TCIA manifest 内的传输端点；TCIA wiki 有 ascp 参数示例，密钥与限速参数按环境自调。

Q42：SVS 转成其他格式再分析可以吗？
技术上可行（如转 DICOM WSI 或 tiling 后存自己的对象存储），但再分发衍生文件需继续满足 CC BY-4.0 署名；建议分析方法节声明原始格式与读取库版本。

Q43：IDC 的 BigQuery 表能拿到什么？
collection 元数据（患者/study/series 计数、模态、DOI 映射）；像素本体仍走下载或 GCS 导出（IDC 平台条目 idc(548) 有平台级说明）。

Q44：PDC 的 Discovery 和 Confirmatory 批次怎么选？
两批覆盖不同样本与平台深度；做蛋白组建模建议先 Discovery 批次探索、Confirmatory 批次复验——与 CPTAC 两段式设计初衷一致（§3.7）。

Q45：放射和病理数据的患者 ID 格式一致吗？
同属 CPTAC 患者标识体系，但两子集 manifest 独立生成；求交之前先做格式归一（前缀/填充差异）。

Q46：论文的补充数据（ecotypes 标签表）多久能拿到？
取决于论文资源渠道（PDC 已有部分；figshare/通讯作者渠道时效不定）。立项时把标签获取列为独立里程碑，不要与影像下载捆绑排期。

Q47：TCIA 页面的 Metadata 列是空的，注释文件在哪？
TCIA 部分新 collection 的 Metadata 列暂无独立注释文件下载（页面「—」）；临床与分子注释经 CRDC 三库获取，这是 CPTAC 系与自带 CSV 注释的 TCIA 老 collection 的显著差异。

Q48：发现数据与本条目描述不符怎么办？
先核对版本（Version 1 + 2026/03/12 更新字段）；仍不符则以 TCIA/PDC 官方页面为准并向本库反馈，条目按附录 L 维护流程修订。

事实清单（硬事实 30 条）

1. collection 官方名称：The Clinical Proteomic Tumor Analysis Consortium Stomach Adenocarcinoma Collection（CPTAC-STAD）。
2. 托管平台：The Cancer Imaging Archive（TCIA），collection 页 Updated 2026/03/12，Version 1。
3. 数据 DOI：10.7937/jw9a-8k71（数据引用强制）。
4. 放射子集：CT + US，DICOM 格式，21GB。
5. 放射子集计数：20 subjects / 22 studies / 99 series / 38,660 images。
6. 病理子集：Histopathology / Whole Slide Image，SVS 格式，1.1TB。
7. 病理子集计数：168 subjects / 703 studies。
8. 汇总行：Subjects 168，Size 1.12TB，Data Types 含 Histopathology、WSI、CT、US。
9. 两行数据 License 均为 CC BY 4.0。
10. DICOM 下载需 TCIA Data Retriever；SVS 下载需 IBM Aspera Connect 插件。
11. 放射影像采集口径：standard of care，病理诊断前即时扫描 + 有则随访；scanner/modality/protocol 异质。
12. 病理影像采集口径：CPTAC qualification workflow。
13. TCIA 汇总 External 资源口径：Genomics, Proteomics（经 CRDC）。
14. IDC 镜像：portal.imaging.datacommons.cancer.gov/collections/cptac_stad，Subject Count 20，Modalities CT/US，Supporting Data: Clinical, Genomics, Proteomics。
15. CRDC 四库分工：TCIA/IDC（影像）、PDC（蛋白+临床）、GDC（基因组+临床）。
16. CRDC 2026-06 日志：PDC 的 CPTAC3 Discovery/Confirmatory studies 新增 STAD 蛋白定量数据、热图与出版物信息。
17. CRDC 2026-06 日志：IDC 新增 CPTAC stomach adenocarcinoma (STAD) imaging collections。
18. GDC projects API（2026-10-09 实查）：CPTAC 仅 CPTAC-2、CPTAC-3 两个 project_id；无独立 CPTAC-3-STAD。
19. CPTAC-3 项目级 dbGaP accession：phs001287（项目族口径，与库内 cptac 条目一致）。
20. 配套论文：Wang et al., Cell Reports Medicine 2026;7(5):102756，doi 10.1016/j.xcrm.2026.102756，PMID 42013851，线上 2026-05-19，开放获取。
21. 论文通讯：Hui Zhang（Johns Hopkins University）、Bing Zhang（Baylor College of Medicine）。
22. 论文队列：165 例原发性非贲门胃腺癌入组 + 41 例配对 NAT；分析保留 159 肿瘤 + 30 NAT；排除遗传性癌症易感患者。
23. 论文人群：主要来自东欧（波兰多中心），补充亚洲人群为主的既往研究。
24. 论文技术栈：15 层多组学（WGS/WES、甲基化、RNA-seq、miRNA/circRNA、TMT 全蛋白组、磷酸化、糖基化、乙酰化、DIA 泛素化、XL-MS、代谢组、微生物组、细胞去卷积、临床）。
25. 论文核心结果：5 个预后 ecotypes（细胞状态去卷积定义），refine TCGA/ACRG 亚型；独立结果节含 HMGB3。
26. CPTAC 蛋白组两段式：discovery（untargeted）与 targeted；队列发布模式为单合并或 Discovery/Confirmatory 拆分。
27. 致谢机构：波兰 IIMoZ（Poznań）、Central Clinical Hospital（Warsaw）、Karol Marcinkowski Regional Clinical Hospital（Zielona Góra）、Regional Clinical Hospital（Sosnowiec）；加拿大 University of Calgary（CIPAC）；美国 University of South Florida BioCell。
28. CPTAC 致谢声明原文：Data used in this publication were generated by the National Cancer Institute Clinical Proteomic Tumor Analysis Consortium (CPTAC)。
29. 库内查重（2026-10-09，DB 实查）：无 url_name 含 stad/gastric 的 status=1 条目；cptac(259)、cptac-imaging(527) 均非同物。
30. 本条目 DAIMS 综合评分 7.6/10（可获取性 8、可持续性 8、元数据 8、互操作 7、可发现性 7）。

附录 A：逐项证据链自证

关键数字/事实	来源	位置/口径
20 subjects/22 studies/99 series/38,660 images/21GB	TCIA collection 页 Images 行	Version 1 表，抓取 2026-10-09
168 subjects/703 studies/1.1TB/SVS	TCIA collection 页 Tissue Slide Images 行	同上
汇总 168 例/1.12TB	TCIA collection 页汇总行	同上
CC BY 4.0（两行）	TCIA collection 页 License 列	同上
DOI 10.7937/jw9a-8k71	TCIA collection 页 + IDC 镜像页 + Data Citation 段	三处一致
Data Retriever / Aspera Connect 要求	TCIA collection 页 Access Points 列	同上
standard-of-care 采集口径	TCIA collection 页 Radiology imaging 段落原文	同上
CPTAC qualification workflow（病理）	TCIA collection 页 Pathology imaging 段落原文	同上
致谢机构名单	TCIA collection 页 Acknowledgements 段	同上
20 例 CT/US 镜像口径	IDC portal cptac_stad 页 Subject Count	抓取 2026-10-09
CRDC 四库结构	TCIA collection 页 External Resources 段	同上
PDC STAD 蛋白数据上线	datacommons.cancer.gov CRDC Components Updates June 2026	原文引用见 §7.3
IDC 新增 STAD 镜像	同上	同上
GDC 仅 CPTAC-2/CPTAC-3	GDC /projects API JSON 实查	2026-10-09
论文队列 165/41→159/30	论文摘要与方法节（eScholarship 记录 + 中文文献解读页互证）	PMID 42013851
15 层构成	论文摘要 + 方法 TOC（bioz 全文页）	同上
5 ecotypes/159 cancers	论文图形摘要口径（bioz 页 “5 Prognostic Ecotypes 159 Gastric Cancers”）	同上
HMGB3 独立结果节	论文 TOC（RESULTS: Comprehensive Molecular Characterization / HMGB3）	同上
通讯作者与邮箱	论文 Correspondence 段（bioz 页转载）	huizhang@jhu.edu / bing.zhang@bcm.edu
线上 2026-05-19	论文页脚（bioz 页转载 “May 19, 2026”）	Cell Rep Med 7, 102756
PMID 42013851	bioz 页 Article Details	PubMed 索引
CPTAC-3 dbGaP phs001287	库内 cptac(rid 259) 条目 identifier 字段（项目级口径复用）	已标注项目级

附录 B：DAIMS 评估详表

B.1 五维评分的扣分明细

维度	满分参照	得分	扣分点原文依据
D 可发现性	10	7	与 TCGA-STAD 命名强近似；泛「胃癌数据集」检索下依赖关键词命中率；TCIA/IDC/CRDC 三入口可部分补偿
A 可获取性	10	8	CC BY-4.0 与免注册是加分主项；1.1TB 体量与 Aspera 插件依赖、网络受限成本扣分
I 可互操作	10	7	DICOM 标准与 OpenSlide 生态兼容加分；WSI 无 DICOM 化镜像、两模态对齐靠手工核对扣分
M 元数据质量	10	8	四级计数表与版本字段齐备；slide 总数缺失、患者重叠关系未声明扣分
S 可持续性	10	8	NCI 托管、DOI 版本化、CRDC 月度滚动；单 collection 依赖 TCIA 平台政策扣分
综合	10	7.6	加权均值口径（本库 DAIMS 惯例）

B.2 与库内相邻条目的 DAIMS 参照

条目	类型	综合评分参照逻辑
cptac-stad（本条目）	影像开放+分子经 CRDC	7.6：开放满分、标签短板
cptac(259)	泛癌多组学混合访问	蛋白开放/基因组受控的混合口径
典型 TCIA 放射 collection	纯影像开放	开放性同档；本条目因 CRDC 互链元数据略优

B.3 评分可复现声明

所有评分依据均可在附录 A 证据链中定位到具体来源；评分反映 2026-10-09 抓取时点状态，PDC/IDC 后续发布可能改变 A/I/M 三项得分。

附录 C：数据字典与文件规格

C.1 放射 DICOM 层级

Collection: CPTAC-STAD
└── PatientID（20 例）
    └── Study（22 个；StudyInstanceUID）
        └── Series（99 个；SeriesInstanceUID；Modality ∈ {CT, US}）
            └── Image（38,660 张；SOPInstanceUID）
                体积 ≈ 21GB

处理要点：

• 模态分流：pydicom 读 (0008,0060) Modality 标签。
• 协议分组：厂商 (0008,0070)、设备型号 (0008,1090)、层厚 (0018,0050)、增强对比剂 (0018,0010) 逐 series 记录。
• 时间对齐：StudyDate (0008,0020) 与手术/病理日期差值需经 CRDC 临床数据反推。

C.2 病理 SVS 规格

Collection: CPTAC-STAD
└── Patient（168 例）
    └── Study（703 个；WSI 扫描会话）
        └── SVS 文件（金字塔格式；OpenSlide 兼容）
            总体积 ≈ 1.1TB

处理要点：

• 读取：OpenSlide / large_image / wsidicomizer（转 DICOM 需自担格式映射）。
• 切图：按 20x/40x 有效放大倍率读取金字塔层；1.1TB 规模建议先做 thumbnail 层质检。
• slide 总数：下载后按文件清点（TCIA 未披露，遗留疑点 2）。

C.3 CRDC 侧关联数据规格

库	对象	关键字段
PDC	Study（Discovery/Confirmatory STAD）	study_id、蛋白矩阵（log2 比值）、临床 TSV
GDC	CPTAC-3 project	case_id、WGS/WES/RNA-seq 文件、临床
IDC	cptac_stad collection	SeriesInstanceUID → BigQuery 索引
dbGaP	phs001287（CPTAC-3 项目级）	GRU 受控申请

附录 D：三套数字口径对照总表（检索者必读）

数字	口径	正确读法	错误读法
168	TCIA WSI 患者数（也是汇总行 Subjects）	病理影像覆盖 168 例	168 例全有 CT
20	TCIA 放射患者数	CT/US 只覆盖 20 例	放射是 168 例的子集（未证）
1.12TB	两子集体量加和口径	1.1TB SVS + 21GB DICOM	某单一子集体量
703	WSI 的 study（扫描会话）数	会话计数	切片张数
38,660	DICOM 图像张数	轴位图像总数	病人数或 series 数
99	DICOM series 数	序列计数	病人数
165	论文入组肿瘤患者数（非贲门胃腺癌）	分子队列入组	影像发布数
159 / 30	论文分析保留肿瘤 / NAT 样本数	分子分析集	影像数
41	论文入组 NAT 数	正常组织入组	分析保留数
22	DICOM study 数	放射检查次数	患者数
5	论文 ecotypes 数	预后生态型分类数	TCIA 内置标签数
15	论文多组学层数	技术栈层数	数据文件数
1	TCIA collection 版本号	Version 1（2026/03/12）	更新次数
259 / 527 / 566 / 547 / 548	库内互链条目 rid	库内引用索引	数据集内容数字

附录 E：双口径登记表（全文冲突与差异存照）

#	口径 A	口径 B	处置
E1	TCIA 汇总行 Subjects 168	放射行 Subjects 20	条目按两行口径分写；明确汇总为并集最大口径，不做子集断言
E2	论文分析集 159 肿瘤+30 NAT	TCIA WSI 168 例	存照两套数字；配对需经 CRDC 逐例核对，禁止画等号
E3	汇总 1.12TB	行加和 1.1TB+21GB	自洽；按行加和口径书写并注明
E4	论文「主要来自东欧患者」	TCIA 致谢含加拿大 Calgary	分开写：蛋白基因组队列东欧（波兰）为主；放射影像致谢含 Calgary CIPAC
E5	论文入组 165 例 + 41 NAT	分析保留 159 + 30	引用时区分入组与分析两口径（排除遗传易感与质控淘汰）
E6	GDC 无 CPTAC-3-STAD project_id	STAD 属 CPTAC-3 子队列	按 API 实查口径写「CPTAC-3 子队列」
E7	库内 cptac(259) 提及 ICPC 中研院胃癌队列 155 例	本条目 CPTAC-STAD 东欧队列	两个不同队列（ICPC 平行 vs CPTAC 自有），条目内已声明边界（§9.3）
E8	TCIA 页面 703 studies	slide 总数未披露	按 study 口径书写；slide 数留待下载清点
E9	本条目成稿时点 2026-10-09	TCIA 页面 Updated 2026/03/12	时间线分立；引用锁定 Version 1 + DOI
E10	dbGaP phs001287（CPTAC-3 项目级）	STAD 子队列是否单独成版	按项目级口径书写并标注，逐版核对留待申请环节

附录 F：遗留疑点与待核清单

#	疑点	现状	后续动作
F1	PDC 具体 study 编号（PDC000xxx）	escholarship PDF 403、PubMed 反爬、PDC SPA 未直接抓取；CRDC 日志证实数据已上线	发布后维护时经 PDC 门户检索 STAD 补录；或读论文 Key Resources Table
F2	WSI slide 总数	TCIA 页面仅 subjects/studies 两列	下载后按 SVS 文件清点，补录本附录
F3	CT/US 20 例与 WSI 168 例的患者重叠	官方未声明	下载两个 manifest 求交集；结果回填 §2.1
F4	dbGaP STAD 子队列版本	项目级 phs001287 口径复用	dbGaP 站内检索确认子队列版次
F5	cBioPortal 是否上线 CPTAC STAD 研究	未核证，不写入正文	cBioPortal 站内检索确认后再补生态节
F6	NAT 影像对应关系	TCIA 按患者计数，未标组织类型	逐例元数据核对
F7	后续 Version 2 可能性	当前 Version 1	TCIA collection 页订阅/关注 CPTAC SIG 公告

附录 G：检索决策树

需求入口
├── 我要做胃癌病理组学
│   ├── 有分子标签需求 → §3.4 取 ecotypes 渠道 + §5.1 路径 B 下 WSI
│   └── 纯形态学方法开发 → WSI 子集即可；先下 10 例试流水线
├── 我要做胃癌放射组学
│   ├── 预算充足/想评估 → §5.1 路径 C（IDC 云端 20 例）
│   └── 期望大样本 → 本集不适用（20 例上限）；改查其他胃癌影像源
├── 我要做影像-分子配对
│   ├── 病理侧 → §2.4 CRDC 对齐流程；逐例核对 PatientID
│   └── 放射侧 → 仅 20 例探索级；先确认与 WSI 重叠（F3）
├── 我要做 ecotypes 验证
│   ├── 有独立队列 → 论文分类器 + 本集 WSI 形态验证
│   └── 无独立队列 → 联系通讯作者取标签与代码
├── 我要找胃癌基因组 → tcga(566) 的 TCGA-STAD；CPTAC 侧走 GDC CPTAC-3
├── 我要商用 → CC BY-4.0 可行；履行 §5.2 两项义务
└── 我要对比 CPTAC 各癌种 → cptac(259) 全景 + cptac-imaging(527) 影像总览

附录 H：下载操作手册（逐命令）

H.1 前置准备

# 工具清单
# 1. TCIA Data Retriever（Java 应用，官网下载安装包）
# 2. IBM Aspera Connect（浏览器插件 + ascp 命令行）
# 3. Python ≥3.10 + pydicom + OpenSlide Python（流水线侧）

pip install pydicom openslide-python pandas

H.2 放射 DICOM 拉取流程

# 步骤 1：到 TCIA collection 页 Images 行点击 Download，获取 .tcia manifest
# 步骤 2：Data Retriever 打开 manifest，勾选 20 例全量或按需子集
# 步骤 3：目标目录建议预留 40GB（21GB 数据 + 解压冗余）
# 步骤 4：下载完成后逐 series 校验 DICOM 可读性

python - <<'PY'
import pydicom, glob
for f in glob.glob('cptac-stad/**/*.dcm', recursive=True)[:5]:
    ds = pydicom.dcmread(f, stop_before_pixels=True)
    print(ds.Modality, ds.StudyDate, ds.SeriesDescription)
PY

H.3 病理 SVS 拉取流程

# 步骤 1：浏览器安装 IBM Aspera Connect 插件
# 步骤 2：TCIA collection 页 Tissue Slide Images 行点击 Download
# 步骤 3：Aspera 弹出传输面板；大文件建议分批（按患者分组勾选）
# 步骤 4：CI/无浏览器环境用 ascp 命令行（TCIA manifest 内含传输地址）

# SVS 完整性校验（读取金字塔元数据）
python - <<'PY'
import openslide, glob
for f in glob.glob('cptac-stad/**/*.svs', recursive=True)[:5]:
    s = openslide.OpenSlide(f)
    print(f, s.dimensions, s.level_count, s.properties.get('openslide.mpp-x'))
PY

H.4 CRDC 侧标签对齐流程

# 步骤 1：PDC 门户检索 STAD（Discovery/Confirmatory），下载临床 TSV 与蛋白矩阵
# 步骤 2：GDC 门户 CPTAC-3 project 过滤 STAD，导出 case 清单
# 步骤 3：以 PatientID/case_id 为主键合并三源
# 步骤 4：重叠关系核对（附录 F3）后锁定分析 cohort

python - <<'PY'
import pandas as pd
rad = pd.read_csv('radiology_manifest.csv')   # TCIA 放射患者表
wsi = pd.read_csv('slides_manifest.csv')     # TCIA 病理患者表
print('rad∩wsi:', len(set(rad.PatientID) & set(wsi.PatientID)))
PY

附录 I：研究设计检查单（12 项）

1. 已阅读 TCIA collection 页 Data Usage Policies 与 CC BY-4.0 条款全文。
2. 成果引用包含 DOI 全格式（§5.2）+ CPTAC 致谢声明原文。
3. 明确声明使用的是 Version 1（2026/03/12）。
4. 已区分 168/20/159/30/165 五个数字的口径（附录 D）。
5. 放射分析已按 Modality/厂商/层厚/增强相位做 series 级分组。
6. 放射样本量声明不超过「探索性（n=20）」表述。
7. WSI 切图协议（放大倍率/patch 尺寸/组织检测阈值）已在方法节公开。
8. 影像-分子配对已经 CRDC 索引逐例核对，重叠率已报告。
9. ecotypes 标签来源（论文资源渠道）已单独引用。
10. 队列人群限定（非贲门、东欧为主）已在局限性讨论。
11. 未尝试对受试者再识别；去标识字段未被逆向。
12. 数据本地副本的再分发符合 CC BY-4.0 署名传染条款。

附录 J：胃癌公开数据集景观中的位置

J.1 横向对比

数据集/队列	影像	分子深度	人群	许可口径	托管
CPTAC-STAD（本条目）	168 WSI + 20 CT/US	15 层多组学（蛋白为核心）	东欧为主	CC BY 4.0（影像）	TCIA/PDC/GDC
TCGA-STAD	无成系影像	基因组/转录组	欧美为主	TCGA 使用政策	GDC
ACRG（Asian Cancer Research Group）	无公开影像	转录组/基因组	韩国	学术申请	非公共托管
ICPC 中研院胃癌队列（库内 cptac 条目提及）	无影像	TMT11 蛋白组，155 例	台湾地区	PDC 开放口径	PDC
库内其他胃癌影像资源	—	—	—	—	—

J.2 定位结论

1. 影像维度稀缺性：公开胃癌资源里，CPTAC-STAD 是唯一同时带「病理 WSI + 放射影像 + 深度分子配对」三要素的公共集——168 例 WSI 在胃癌公开 WSI 资源中属于头梯队体量。
2. 人群互补性：TCGA（欧美）→ ACRG（韩国）→ ICPC 中研院（台湾地区）→ CPTAC-STAD（东欧），本集补齐东欧人群的蛋白基因组+影像维度。
3. 许可优势：CC BY-4.0 在癌症影像领域属于最开放档位（对比学术申请制资源）。
4. 结构劣势：无标注、放射样本小——它是「资源型」而非「基准型」数据集，检索者需自行构建标签层。

J.3 与库内「可获取性光谱」的落位

请求制 ──────────────────────────────────── 全开放直链
   │                                            │
   │（掩码请求制条目如 panda-plus 掩码层）      │
   │                                      CPTAC-STAD（CC BY 4.0）
   │                                      库内其他 TCIA 公开 collection
   └── 学术申请制（ACRG 类）                └── 本集影像侧位于最右端

附录 K：缩写速查

缩写	全称	中文
CPTAC	Clinical Proteomic Tumor Analysis Consortium	临床蛋白质组肿瘤分析联盟
STAD	Stomach Adenocarcinoma	胃腺癌（TCGA 癌种代码）
TCIA	The Cancer Imaging Archive	癌症影像档案库
NCI	National Cancer Institute	美国国家癌症研究所
CRDC	Cancer Research Data Commons	癌症研究共享资源
IDC	Imaging Data Commons	影像数据共享库
PDC	Proteomic Data Commons	蛋白质组数据共享库
GDC	Genomic Data Commons	基因组数据共享库
WSI	Whole Slide Image	病理全切片图像
SVS	Aperio SVS（OpenSlide 金字塔格式）	全切片文件格式
DICOM	Digital Imaging and Communications in Medicine	医学数字成像与通信标准
CT	Computed Tomography	计算机断层扫描
US	Ultrasound	超声
NAT	Normal Adjacent Tissue	癌旁正常组织
WGS / WES	Whole Genome / Exome Sequencing	全基因组/全外显子组测序
TMT	Tandem Mass Tag	串联质谱标签
DIA	Data-Independent Acquisition	数据非依赖采集
XL-MS	Cross-Linking Mass Spectrometry	交联质谱
PTM	Post-Translational Modification	翻译后修饰
PPI	Protein-Protein Interaction	蛋白-蛋白互作
CNA	Copy Number Alteration	拷贝数变异
ecotype	（论文自造术语）	生态型（TME 细胞构成聚类）
TME	Tumor Microenvironment	肿瘤微环境
MSI	Microsatellite Instability	微卫星不稳定性
EBV	Epstein-Barr Virus	EB 病毒
CIN	Chromosomal Instability	染色体不稳定性
GS	Genomic Stable	基因组稳定型
ACRG	Asian Cancer Research Group	亚洲癌症研究组
ICPC	International Cancer Proteogenome Consortium	国际癌症蛋白质基因组联盟
dbGaP	database of Genotypes and Phenotypes	基因型-表型数据库
GRU	General Research Use	通用研究用途（受控数据许可类型）
MIL	Multiple Instance Learning	多实例学习
HMGB3	High Mobility Group Box 3	高迁移率族蛋白 B3（论文分子亮点）
DOI	Digital Object Identifier	数字对象唯一标识符
CIPAC	Calgary Image Processing and Analysis Centre	卡尔加里影像处理与分析中心

附录 L：维护计划与触发点

触发事件	维护动作	优先级
TCIA 发布 Version 2	核对 subjects/studies 计数与患者列表变化；更新 §2.1 表与 E9 行	高
PDC 门户可检索到 STAD study 编号	回填 F1 疑点；更新 §5.1/坑 6/Q14	高
IDC 镜像扩容至 WSI	更新 §5.1 路径 C 与附录 C.3	中
论文预印本/全文渠道变化（PMC 收录）	更新 §3.1 获取入口	中
cBioPortal 上线 CPTAC STAD	解除 F5 疑点；补 §7 生态节	中
CPTAC SIG 公告新影像 batch	核对放射计数是否超过 20 例	中
dbGaP 确认 STAD 子队列版次	回填 F4	低
TCIA 使用政策修订	复核 §5.2 义务清单	低

维护纪律：任何数字变更必须同时更新正文、事实清单与附录 D 对照表三处，保持口径同步。

附录 M：与库内条目的关系声明（互链对照）

库内条目	rid	关系方向	声明
cptac	259	父级总览 → 本条目	CPTAC 泛癌蛋白基因组总览；本条目为其 STAD 癌种影像侧下钻。其正文提及的 ICPC 中研院胃癌队列与本集队列非同物
cptac-imaging	527	平级总览 ↔ 本条目	CPTAC 影像-组学配对总览；其成稿时点（经 2026-10-09 复核）未含 CPTAC-STAD，本条目为新增 collection 的专门篇
tcga	566	概念区分锚点	TCGA-STAD 与 CPTAC-STAD 的对照见 §7.2；两队列患者不重叠
tcia	547	平台实例关系	本条目是 TCIA collection 体系的实例；平台规则（引用义务、下载工具）见平台条目与本条目 §5
idc	548	镜像入口关系	本条目 CT/US 20 例的云端访问走 IDC；平台能力（BigQuery、导出）见平台条目

互链使用规则：frontmatter relatedLink 仅放纯 URL（本条目已放 5 条）；上述消歧说明只存在于正文（R012 纪律）。

附录 N：本条目生产档案

• 代理名：agent-b-cptacstad
• 开工时点：2026-10-09T06:20（锁文件写入时点）
• 任务派发：rsi_dispatch/task_cptac-stad.md（2026-10-09T06:15:34 dispatcher 自动派发）
• 开工三查：锁新建 ✓（writing/cptac-stad/.lock）；私有区新建 ✓（.parts_agent-b-cptacstad_1791497808_1496709，时间戳+PID 双标识）；ps aux | grep -c “[c]odebuddy” = 8（留痕）✓
• 查重：DB 实查 cptac/stad/gastric 三关键词（2026-10-09）；ls writing/ 无同名目录 ✓
• 网络预算执行：WebSearch 3/3（TCIA collection、论文与 PDC、CRDC 口径）；WebFetch 4/6（GDC API ✓、eScholarship PDF 403 ✗、PubMed 反爬空 ✗、PubMed 二次未发起）——未触发预算上限
• 三源互证：TCIA collection 页 + TCIA 新闻/公告 + IDC portal 页（影像数字）；bioz 全文页 + eScholarship 记录 + kaitaibio 解读（论文数字）；GDC API + CRDC 日志（平台侧）
• FACTS.md 九节齐备；成稿 5 分片（part1-part5c/d）直写私有区，cat 拼接
• 自检：check_md.py + preflight_check.py + YAML 解析自检（结果见交稿汇报）

附录 O：背景补课——CPTAC 与 CPTAC Imaging 写给新读者

O.1 CPTAC 是什么

CPTAC（Clinical Proteomic Tumor Analysis Consortium，临床蛋白质组肿瘤分析联盟）是美国国家癌症研究所（NCI）发起的多中心计划，核心主张是：在基因组之后补上蛋白质组这一层，用「蛋白基因组学（proteogenomics）」把基因突变与蛋白功能、信号通路、药物靶点连起来。CPTAC 对多种癌种完成了「基因组测序 + 质谱蛋白组 + 临床注释」的三明治式深度表征，数据经 PDC（蛋白）、GDC（基因组）、dbGaP（受控原始测序）三库发布。

对本条目读者最重要的两点：

1. CPTAC-STAD 是 CPTAC 胃癌队列的影像延伸——分子部分早已在 PDC/GDC 发布（论文 2026-05 系统呈现），影像部分 2026-03 才经 TCIA 开放。
2. CPTAC 与 TCGA 是姐妹计划而非父子计划——两者都是 NCI 体系下的癌症分子表征计划，共享癌种代码体系（STAD 这个缩写来自 TCGA 体系），但队列、平台、数据类型各自独立。

O.2 CPTAC 影像计划的通用规则

TCIA 的 CPTAC collection 页给出了适用于所有 CPTAC-<cancertype> collection 的通用规则（本集同样适用）：

• 发布粒度：一个癌种一个 collection；各 collection 独立维护版本与计数。
• 放射口径：standard-of-care 回溯——病理诊断前的即时诊疗影像 + 有则随访；因此「scanner modalities, manufacturers and acquisition protocols」必然异质（原文口径）。
• 病理口径：影像来自 CPTAC qualification workflow（样本入组质控流程的切片数字化）。
• 蛋白组两段式：discovery（非靶向全景）与 targeted（靶向确证）；队列发布为单合并或 Discovery/Confirmatory 拆分。
• 社区机制：CPTAC Imaging Special Interest Group（SIG）维护网络研讨会、数据发布通知与跨机构协作。
• 通用致谢声明：所有使用 CPTAC 数据的发表物必须包含附录 H 引文模板中的致谢原文。

O.3 为什么胃癌影像晚了这么久

CPTAC 影像发布的节奏是「队列成熟一个、发布一个」：影像收集需要跨机构 PACS 回溯、去标识处理、DICOM 标准化与病理切片数字化，比分子数据发布链路更长。STAD 影像在 2026-03 上线，属于该系列的较新成员——这解释了库内 cptac-imaging(527) 总览条目成稿时为什么没有 STAD 内容：发布时序使然，不是遗漏。

附录 P：高频误区 12 则（正反对照）

误区 1：CPTAC-STAD 有 168 例 CT。
正解：168 是 WSI 患者数；CT/US 只有 20 例（附录 D）。

误区 2：CPTAC-STAD 就是 TCGA-STAD 的影像版。
正解：两个独立队列，患者不重叠（§7.2）。GDC 上 CPTAC-3 与 TCGA-STAD 是两个平行 project。

误区 3：影像带病灶标注，可以直接训练分割模型。
正解：影像无任何像素级/病灶级标注；标签需经 CRDC 临床/分子数据自行构建。

误区 4：用 TCIA Data Retriever 能下载所有文件。
正解：Data Retriever 只管 DICOM；SVS 要 IBM Aspera Connect（坑 2）。

误区 5：703 就是切片张数。
正解：703 是 study（扫描会话）计数；slide 总数未披露（F2）。

误区 6：论文的 159 例肿瘤就是影像里的 159 例。
正解：论文 159 是分子分析集（165 入组排除后）；影像发布 168 例是另一口径（坑 5）。

误区 7：ecotypes 标签在 TCIA 下载包里。
正解：ecotypes 是论文衍生结果，走论文资源渠道（坑 6）。

误区 8：CC BY-4.0 意味着不用署名。
正解：CC BY-4.0 的「BY」就是署名；TCIA 另有数据引用与 CPTAC 致谢双义务（坑 8）。

误区 9：20 例 CT 可以和 TCGA-STAD 影像合并做大样本放射组学。
正解：TCGA-STAD 没有成系公开影像；可合并的其他胃癌 CT 资源与本集协议差异需先评估（J.1 景观表）。

误区 10：队列是全球多中心随机采样。
正解：东欧（波兰）多中心为主 + Calgary 放射贡献；非随机、非全球均衡（E4）。

误区 11：NAT（癌旁）影像也有 41 例。
正解：41 例 NAT 是论文分子侧入组数；影像侧组织类型未逐例标注（F6）。

误区 12：数据集会持续加患者，引用时不写版本。
正解：TCIA 按 Version 滚动；引用必须锁定 Version 1 + DOI（L 表触发点）。

附录 Q：影像-分子关联研究的方法学建议

Q.1 病理组学路线（168 例 WSI）

1. 特征层选择：弱监督 MIL（patch 级基础模型特征 + attention 聚合）是 168 例量级的现实起点；端到端大模型训练不可行。
2. 标签构建：分子标签从 PDC 蛋白矩阵 + 论文 ecotypes 导入；临床终点（分期/生存）从 GDC/CRDC 临床 TSV 导入；两源标签不得混用同一分析。
3. 分层验证：按患者分组切 train/val/test（同一患者多张切片严禁跨集泄漏——本集 703 studies 对 168 例的「一患者多切片」结构使泄漏风险天然偏高）。
4. 批次卫生：扫描仪/站点差异纳入协变量；波兰多中心结构提供天然站点分层。

Q.2 放射-病理三角验证路线（20 例内）

1. 定位为假说生成：每例放射特征与 WSI 形态指标（如间质比例、浸润模式）做 case-level 相关。
2. 协议异质控制：放射特征提取前按附录 C.1 字段分组；不跨协议池化强度特征。
3. 结论表述：一律「探索性发现」，配 F3 重叠率声明。

Q.3 CRDC 工程路线

1. 优先用 IDC BigQuery 拉元数据（避免全量下载前的盲选）。
2. PDC API/CDAP 拉蛋白矩阵时锁定 study 版本号（发布批次会滚动）。
3. 三源合并以 PatientID/case_id 为主键，保留来源字段便于审计；合并结果先跑附录 H.4 交集检查再入分析。

Q.4 可复现性清单

• 分析代码仓库声明所用的 manifest 版本与下载日期。
• SVS 读取统一用 OpenSlide 版本号（不同版本对金字塔层级命名行为有差异）。
• 影像质控（组织占比、破损切片剔除）阈值写入方法节。
• 多模态合并表的中间产物（患者级对齐表）建议随论文补充材料公开。

附录 R：本条目与历史教训的对照自检

教训项	本条目执行情况
L13 直引号	frontmatter 双引号串内零英文直引号；中文强调用「」（YAML 自检验证）
L13 '- ’ 前缀	rai:dataLimitations 与 variableMeasured 列表项均以 '- ’ 起始
L13 缩进	rai:dataLimitations 与 relatedLink 同为 2 空格顶层级；relatedLink 子项 4 空格纯 URL
R006 title 后缀	title 含「— AI-Ready Wikipedia
R009/R010	块式列表逐项自查 '- ’ 前缀与缩进
R012 relatedLink	仅 5 条纯 URL，无说明文字；消歧说明在正文 §7.4/附录 M
J2 RecordSet 节点式	‘- “@type”: “cr:RecordSet”’ 节点式书写
坑点 ≥6	坑 1-坑 8（8 个）+ 误区 12 则
DAIMS	§6.1 + 附录 B
字段长度	title/subtitle/data_source ≤255；description ≤170；category_tags 6 个拼接 ≤100
URL 占位	全部 qianfanghub 链接用 /ai-ready-dataset/cptac-stad/954 占位口径

附录 S：胃癌分型体系速查（影像-分子对照用）

S.1 四代分型体系对照

维度	Lauren	WHO	TCGA	ACRG	CPTAC ecotypes
发表年代	1965	历次修订	2014	2015	2026
分层数	3	多类	4	4	5
分层依据	组织学生长模式	组织病理学分类	基因组事件	转录特征	TME 细胞状态构成
核心类别	肠型/弥漫型/混合型	管状/乳头状/黏液/印戒等	EBV/MSI/CIN/GS	MSS/EMT、MSS/TP53+、MSI、EBV	5 个预后 ecotypes（论文命名）
标签载体	病理报告	病理报告	基因组数据	转录组数据	论文资源渠道
与本集影像的关系	WSI 可读出	WSI 可读出	无直接影像对应	无直接影像对应	WSI 形态对应为论文鼓励方向

S.2 临床语境速览

• 疾病负担：胃癌是全球癌症相关死亡的主要原因之一（论文引言口径），预后不良与生物学异质性、治疗手段有限相关。
• 分子异质性来源：EBV 驱动、微卫星不稳定、染色体不稳定、基因稳定四条基因组路径（TCGA 口径）+ TME 构成差异（ecotypes 口径）。
• 治疗分层意义：MSI/EBV 状态与免疫治疗响应存在临床关联；ecotypes 提供了 TME 维度的响应线索（PredictIO 分析口径）。
• 解剖部位限定：本集队列限定非贲门；贲门/食管胃结合部癌的分子谱系与流行病学不同，不能混入。

S.3 影像-分子对话的三层词汇表

层	影像侧词汇	分子侧词汇	已有证据状态
组织学层	腺体结构、印戒细胞、黏液湖	Lauren/WHO 类别	临床常规，无需再验证
分子层	（形态学代理）	EBV/MSI/CIN/GS、HMGB3 等	论文建立；影像预测为开放问题
生态层	间质比例、浸润构型、淋巴结构	5 个 ecotypes	论文建立；影像预测为 TCIA 新闻点名的机会

附录 T：放射影像质控清单（99 series 逐项过）

检查项	字段/方法	通过标准建议
模态确认	DICOM (0008,0060) Modality	CT 与 US 分桶，不混析
设备记录	(0008,0070) Manufacturer + (0008,1090) Model	逐 series 归档
层厚/间距	(0018,0050)/(0018,0088)	CT 内再分层厚桶
增强信息	(0018,0010) Contrast Agent	增强相位与平扫分桶
检查日期	(0008,0020) StudyDate	与手术/病理日期差入表
序列完整性	series 内 SOP 计数连续性	缺层记录
图像可用性	像素数据可读 + 窗宽窗位存在	拒读 series 弃用并留痕
去标识复核	患者姓名字段应为匿名化值	异常即上报 TCIA
US 图像质量	设备相关字段 + 目视检查	操作者依赖性单独标注
纵向配对	同患者多 study	仅 2 例窗口（22/20），单列分析

质控纪律：99 个 series 全部过表后，形成「series 级协议分组表」再进入任何特征提取；跳过质控直接池化是放射组学最常见的复现失败原因。

附录 U：与库内 CPTAC 条目的口径对照

为避免读者在 cptac(259)、cptac-imaging(527) 与本条目之间来回跳跃时产生口径混淆，特列逐项对照：

口径项	cptac(259)	cptac-imaging(527)	本条目 cptac-stad
覆盖范围	CPTAC 泛癌蛋白基因组（10 癌种 1,073 例口径）	CPTAC 泛癌影像-组学配对策略	仅胃腺癌影像（20 CT/US + 168 WSI）
主体身份	多组学计划总览	影像计划总览	单癌种 collection 实例
dbGaP 口径	phs001287.v23.p7（项目级）	—	phs001287（项目级口径复用）
license 口径	混合（PDC 开放/dbGaP 受控）	按子集混合	CC BY 4.0（影像纯开放）
胃癌内容	一句带过 ICPC 中研院胃癌队列（TMT11，155 例）	无 STAD 内容（2026-10-09 复核）	全文主题
影像计数	—	—	38,660 张 DICOM + 703 studies WSI
发布时点参照	成稿于 CPTAC-STAD 影像发布之前	同左	发布之后（2026-03-12）

三处条目相互引用时的一致性规则：

1. 「CPTAC 胃癌队列」的分子口径以 cptac(259) 与本附录 U 为准；影像口径以本条目为准。
2. 「ICPC 中研院胃癌队列」只属于 cptac(259) 的叙事，禁止移植到本条目当作 CPTAC-STAD 的背景（两个不同队列，见 §9.3）。
3. 若 cptac-imaging(527) 未来维护更新收录 CPTAC-STAD，以 TCIA Version 1 计数（本条目 §2.1 表）为准同步。

附录 V：胃癌公开资源检索关键词库

V.1 英文查询式（数据发现用）

# 平台检索
"cptac-stad" / "CPTAC STAD" / "CPTAC stomach"
site:cancerimagingarchive.net cptac-stad
"Stomach Adenocarcinoma Collection"

# 论文检索
"A 15-layer multi-omics analysis of gastric cancer ecotypes"
"gastric cancer" "proteogenomics" CPTAC
"Cell Reports Medicine" gastric ecotypes 2026
PMID 42013851 / doi:10.1016/j.xcrm.2026.102756

# 交叉资源
"Imaging Data Commons" cptac_stad
"Proteomic Data Commons" STAD discovery confirmatory
GDC "CPTAC-3" STAD

V.2 中文查询式

胃癌 数据集 影像 分子 配对
胃腺癌 全切片 WSI 公开
CPTAC 胃癌 蛋白基因组
胃癌 生态型 多组学
肿瘤微环境 分型 胃癌
胃癌 CT 超声 公共数据

V.3 检索避坑提示

• 检索「STAD」单独出现时务必加项目限定（TCGA-STAD/CPTAC-STAD），否则两类结果会混合（坑 4）。
• 「gastric ecotypes」一词在 2026-05 论文发表后才进入索引，更早文献用「gastric subtypes + tumor microenvironment」表达同一概念。
• 中文资源里「胃癌影像组学」结果多为自建小队列研究，公开数据集线索优先走本附录英文查询式。

附录 W：30/60/90 天实操时间线（从发现到首次分析）

W.1 第 1-30 天：打通与质检

周次	动作	产出
第 1 周	读 TCIA collection 页全文 + 本条目 §2/§5；装 Data Retriever 与 Aspera	环境就绪
第 2 周	下载 20 例 CT/US（IDC 云端或 manifest）+ 10 例 WSI 抽样	抽样集
第 3 周	附录 T 质控清单过全部 99 series；WSI 读取校验（附录 H.3）	series 级协议分组表
第 4 周	CRDC 三源拉取（PDC/GDC 临床）；跑附录 H.4 交集	患者级对齐表 v0

W.2 第 31-60 天：标签与流水线

周次	动作	产出
第 5-6 周	WSI 全量/分批下载；patch 切图流水线（附录 Q.1 协议）	patch 库 + 质检报告
第 7 周	蛋白矩阵接入（PDC Discovery 批次）；ecotypes 标签获取	标签层 v0
第 8 周	患者级对齐表 v1（三源锁定）；泄漏检查（一患者多切片分组）	可分析 cohort

W.3 第 61-90 天：首次分析闭环

周次	动作	产出
第 9-10 周	病理侧基线：patch 特征 → slide 聚合 → 亚型/终点关联	首组结果
第 11 周	放射侧探索：20 例 case-level 特征 + 与病理形态对照	三角验证初稿
第 12 周	结果复核（附录 D 口径表逐项回查）+ 方法节撰写	可投稿初稿框架

里程碑纪律：每阶段产出物（对齐表、质控表、patch 清单）入库留档；任何一步失败先查附录 P 误区对照，再查附录 F 疑点是否命中。

附录 X：按角色的阅读地图

你的角色	必读	选读	可跳过
数据工程师	§5、附录 C、附录 H	附录 T、Q.3	§3、附录 S
病理组学研究者	§2.3、§3.4、§4.1、附录 Q.1	附录 S、W	附录 T
放射组学研究者	§2.2、§4.2、附录 T	附录 Q.2	附录 C.2
生信/多组学研究者	§3 全节、§2.4、附录 U	附录 W、Q.3	附录 T
项目经理/立项评审	§0、§1、§6、§10	附录 J、W	附录 C、H
数据合规/许可审核	§5 全节、坑 8、附录 I	附录 E	其余全部

附录 Y：论文投稿套件（数据可用性与方法节）

Y.1 数据可用性声明模板（可直接改写）

Radiological and histopathological imaging data used in this study are
from the Clinical Proteomic Tumor Analysis Consortium Stomach
Adenocarcinoma Collection (CPTAC-STAD, Version 1), publicly available
from The Cancer Imaging Archive (TCIA) at
https://doi.org/10.7937/jw9a-8k71 (CC BY 4.0). Proteomic, genomic and
clinical data were obtained through the NCI Cancer Research Data
Commons (PDC/GDC). Data used in this publication were generated by
the National Cancer Institute Clinical Proteomic Tumor Analysis
Consortium (CPTAC).

要点：DOI 必须原文保留；CPTAC 致谢句（最后一句）为项目方强制要求；CC BY 4.0 标注建议保留以便审稿人核许可见。

Y.2 方法节必写清单

1. 数据版本（Version 1，2026/03/12 更新字段）与抓取/下载日期。
2. WSI 读取库与版本（OpenSlide 等）及切图协议（倍率/尺寸/组织阈值）。
3. 放射协议分组方法（附录 T 清单引用）。
4. 患者级对齐方法与三源重叠统计（附录 H.4）。
5. ecotypes/分子标签来源（论文 + PDC 批次）与获取日期。
6. 排除标准（破损 series、低质量 WSI、对齐失败例）与逐项计数。

Y.3 审稿人常见质疑与应答要点

可能质疑	应答要点
样本量是否足够	放射侧声明探索性（n=20）；病理侧给出功效核算与弱监督框架理由
人群代表性	东欧为主口径 + 与 TCGA/ACRG 人群互补的定位（附录 J）
影像-分子对齐可靠性	报告对齐成功率与失败原因分布；提供对齐表
标签可信度	ecotypes 引用论文原始方法；自定义标签给出标注者协议
批次效应	扫描仪/站点协变量处理 + 敏感性分析
数据许可	CC BY-4.0 + 双义务（DOI 引用/致谢）已履行（Y.1 模板）
可复现性	manifest 版本锁定 + 代码仓库 + 中间产物公开

Y.4 致谢区建议措辞

The results shown here are in whole or part based upon data generated
by the National Cancer Institute Clinical Proteomic Tumor Analysis
Consortium (CPTAC). We thank The Cancer Imaging Archive (TCIA) and the
contributing institutions for making the CPTAC-STAD imaging collection
publicly available (doi:10.7937/jw9a-8k71).

尾注

• 本条目由千方病案医数集写手代理基于 2026-10-09 抓取的公开来源编写；所有关键数字的证据链见附录 A。
• 数据引用义务：使用 CPTAC-STAD 数据的成果须引用 §5.2 官方 Data Citation（DOI 10.7937/jw9a-8k71）并附 CPTAC 致谢声明原文。
• 条目维护：触发点见附录 L；疑点与待核清单见附录 F。
• 相关条目：cptac(259)、cptac-imaging(527)、tcga(566)、tcia(547)、idc(548)。
• 免责声明：本条目为第三方百科式整理，与 NCI/CPTAC/TCIA 无隶属关系；数据使用以官方许可与政策为准。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• cptac-pda — 共享标签：医学影像 / 病理图像 / CT / 基因组学与多组学 / 蛋白质组学 / 肿瘤学
• icgc — 共享标签：医学影像 / 病理图像 / 基因组学与多组学 / 肿瘤学
• human-cell-atlas — 共享标签：医学影像 / 病理图像 / 基因组学与多组学 / 肿瘤学
• human-protein-atlas — 共享标签：医学影像 / 病理图像 / 基因组学与多组学 / 蛋白质组学
• upenn-gbm — 共享标签：医学影像 / 病理图像 / 基因组学与多组学 / 肿瘤学
• hubmap — 共享标签：医学影像 / 病理图像 / 基因组学与多组学 / 肿瘤学
• iedb — 共享标签：基因组学与多组学 / 蛋白质组学 / 肿瘤学
• cptac-imaging — 共享标签：医学影像 / 病理图像 / CT / 肿瘤学
• cptac — 共享标签：基因组学与多组学 / 蛋白质组学 / 肿瘤学
• gdsc — 共享标签：医学影像 / 病理图像 / 基因组学与多组学 / 肿瘤学

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。