CBIOPORTAL 乳腺癌与少见恶性肿瘤基因组数据集
该数据集通过 cBioPortal 平台公开，集成了包括 METABRIC 等在内的多项研究中乳腺少见肿瘤（含乳腺帕杰特病）的体细胞突变、拷贝数变异 (CNA) 极其临床预后表格数据，用于癌症基因组学挖掘。由Memorial Sloan Kettering Cancer Center提供，来自cBioPortal for Cancer Genomics，包含2504条数据记录，适用于分类任务，许可证为CC BY-NC 4.0。
基本信息
资源简介
CBIOPORTAL 乳腺癌与少见恶性肿瘤基因组数据集
【一句话概览】
cBioPortal 是一个癌症基因组学数据平台，涵盖泛癌、儿童癌症、免疫基因组学、细胞系及癌前/健康等标签。该平台提供可视化与分析功能，用户可通过快速搜索选择研究。目前平台共有 548 项研究可用，涉及 414487 个样本，受试者数为 414487。使用该平台时，源站提示需引用 cBioPortal（来源 cbioportal.org）。
【数据集背景】
本数据集源站标题为《cBioPortal》。
【数据内容】
源站原始描述：Please cite cBioPortal Query Quick Search Select Studies for Visualization & Analysis: 548 studies available (414487 samples)
中文译文（机器翻译，仅供快速理解，请以原文为准）：请引用cBioPortal查询快速搜索选择用于可视化和分析的研究：现有548项研究（414487个样本）
【主题与分类】
主题标签：cancer、genomics、pan-cancer、pediatric cancer、immunogenomic、cell lines、precancerous/healthy。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.cbioportal.org/
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.cbioportal.org/
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:
数据集大小约 3.20 GB。
数据说明
该数据集通过 cBioPortal 平台公开，集成了包括 METABRIC 等在内的多项研究中乳腺少见肿瘤（含乳腺帕杰特病）的体细胞突变、拷贝数变异 (CNA) 极其临床预后表格数据，用于癌症基因组学挖掘。
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。
