GDC癌症基因组数据库（葡萄膜黑色素瘤子集）
GDC平台提供TCGA-UVM子项目数据，包括基因组突变、转录组表达及临床随访信息，可用于肿瘤分型与预后建模，由National Cancer Institute (NCI)提供，来自Genomic Data Commons (GDC)数据库，数据格式为多模态，包含80条数据，适用于分类任务。
基本信息
资源简介
GDC癌症基因组数据库（葡萄膜黑色素瘤子集）
【一句话概览】
基因组数据共享（GDC）数据门户是面向癌症研究者的数据存储库与计算平台，旨在帮助理解癌症、其临床进展及治疗反应。该平台提供高质量数据集，覆盖来自癌症基因组研究（如 TCGA、HCMI、FMI、CPTAC）的 50571 例受试者，涉及突变、基因表达和切片图像等数据（来源 portal.gdc.cancer.gov）。
【数据集背景】
本数据集源站标题为《Genomic Data Commons Data Portal》。
【数据内容】
源站原始描述：A repository and computational platform for cancer researchers who need to understand cancer, its clinical progression, and response to therapy. High-quality datasets spanning 50,571 cases from cancer genomic studies such as The Cancer Genomic Atlas (TCGA), Human Cancer Models Initiative (HCMI), Foundation Medicine Inc. (FMI), and Clinical Proteomic Tumor Analysis Consortium (CPTAC)
中文译文（机器翻译，仅供快速理解，请以原文为准）：一个面向癌症研究人员的存储库与计算平台，帮助他们理解癌症、其临床进展以及对治疗的反应。高质量数据集涵盖来自癌症基因组研究（如癌症基因组图谱（TCGA）、人类癌症模型计划（HCMI）、Foundation Medicine公司（FMI）和临床蛋白质组肿瘤分析联盟（CPTAC））的50，571个病例。
【主题与分类】
主题标签：cancer、genomics、clinical data、TCGA、HCMI、FMI、CPTAC、mutations、gene expression、slide images。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://portal.gdc.cancer.gov/
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。
需登录公开下载
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。
暂未开放有偿下载
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://portal.gdc.cancer.gov/
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
GDC平台提供TCGA-UVM子项目数据，包括基因组突变、转录组表达及临床随访信息，可用于肿瘤分型与预后建模。
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。
