基底细胞癌配对末端测序样本数据集
该数据集来自 omicsdi.org，属于肿瘤 / 基底细胞癌分类，主题标签为 Genomics，包含配对末端测序样本。源站描述显示，测序读段使用 BWA（v0.7.5a）比对到带 decoy 序列的人类参考基因组 hg19（与 1000 Genomes Project 所用一致），随后用 Pica
基本信息
资源简介
基底细胞癌配对末端测序样本数据集
该数据集在公开资源中登记为“81128c8d-99a2-4084-857c-8d0426b92ec4 - samples”，归类于肿瘤领域的基底细胞癌方向，来源站点为 omicsdi.org，主题标签为 Genomics。从现有信息看，它是一组与基底细胞癌相关的配对末端测序样本数据，其处理流程涉及将测序读段比对到人类参考基因组，并经过一系列标准的基因组数据处理步骤，包括重复读段标记与去除、插入/缺失附近的局部重比对以及碱基质量重校准。该数据集适合作为肿瘤基因组学研究中与基底细胞癌相关的测序数据资源，用于后续变异检测、比对质量评估或流程复现等用途。整体而言，它提供了从原始配对末端读段到可比对、可分析状态的基因组数据处理背景，但关于样本数量、临床信息、具体变异结果等内容，源站未提供。
【数据集背景】
该数据集属于肿瘤分类下的基底细胞癌方向，主题标签为 Genomics，来源站为 omicsdi.org。基底细胞癌是常见的皮肤肿瘤类型之一，在基因组学研究中，针对该类肿瘤的测序数据通常用于探索肿瘤发生、发展相关的遗传变异和分子特征。该数据集以配对末端测序样本的形式存在，其英文标识为“81128c8d-99a2-4084-857c-8d0426b92ec4 - samples”。从来源站描述可知，该数据涉及人类参考基因组比对和后续处理，说明其属于人类基因组测序数据范畴，可能用于肿瘤样本的基因组水平分析。关于该数据集的具体项目背景、研究目的、样本收集时间与地点等信息，源站未提供。
【数据内容】
该数据集包含配对末端测序样本，英文名称为“81128c8d-99a2-4084-857c-8d0426b92ec4 - samples”。配对末端测序意味着测序读段来自DNA片段的两端，能够提供更丰富的比对信息和更准确的基因组结构推断能力。源站描述显示，这些读段被比对到人类参考基因组hg19，并且该参考基因组带有decoy序列，与1000 Genomes Project所用的一致。数据处理过程中，重复读段被标记并随后去除，插入/缺失附近的局部重比对和碱基质量重校准也已完成。关于样本的具体数量、肿瘤样本与正常样本的配对情况、测序深度、读长、覆盖度以及是否包含原始fastq或仅包含比对后的BAM文件等信息，源站未提供。
【采集与来源】
该数据集来源站为 omicsdi.org，属于肿瘤 / 基底细胞癌分类，主题标签为 Genomics。源站描述中提及了数据处理所使用的软件和参考基因组，包括BWA（v0.7.5a）、Picard（v1.140）、SAMtools（v0.1.19）和GATK（v3.6）。这些工具通常用于高通量测序数据的比对、重复标记、去重、局部重比对和质量校正。关于样本的采集机构、采集时间、地理来源、伦理审批信息以及原始样本的处理方式，源站未提供。
【适用场景】
基于现有信息，该数据集可用于与基底细胞癌相关的基因组学分析场景。由于数据已经过比对、去重、局部重比对和碱基质量重校准，适合用于变异检测、拷贝数分析、结构变异探索等下游分析。配对末端测序数据有助于提高比对准确性和结构变异的检测能力。此外，该数据集也可用于流程复现和方法比较，例如评估BWA、Picard、SAMtools和GATK在特定版本下的处理效果。对于希望研究基底细胞癌基因组特征的研究者，该数据集可作为候选资源之一。关于具体的适用分析类型、推荐工具和预期结果，源站未提供。
【使用方法】
该数据集的处理流程在源站描述中已有说明：配对末端读段使用BWA（v0.7.5a）比对到带decoy序列的人类参考基因组hg19，该参考基因组与1000 Genomes Project所用一致；重复读段使用Picard（v1.140）标记，并使用SAMtools（v0.1.19）去除；插入/缺失附近的局部重比对和碱基质量重校准使用GATK（v3.6）完成。使用者可依据这些步骤理解数据的预处理状态，并在此基础上开展下游分析。关于数据下载方式、文件格式、访问权限、是否需要注册或申请等具体使用信息，源站未提供。
【质量与限制】
该数据集在数据处理方面采用了较为标准的流程，包括BWA比对、Picard标记重复、SAMtools去重以及GATK局部重比对和碱基质量重校准。这些步骤有助于提高比对质量和变异检测的可靠性。然而，关于该数据集的具体质量指标，如比对率、重复率、覆盖度、测序深度、碱基质量分布等，源站未提供。此外，样本的临床信息、肿瘤纯度、是否包含对照样本、数据量大小以及是否存在批次效应等信息，源站也未提供。因此，在使用该数据集时，需要结合其他信息或自行评估数据质量。
【引用与许可】
该数据集来源站为 omicsdi.org，英文名称为“81128c8d-99a2-4084-857c-8d0426b92ec4 - samples”。关于该数据集的引用方式、许可协议、使用条款、是否允许商业用途以及是否需要注明来源等具体信息，源站未提供。使用者应参考来源站的相关规定，并在使用前确认许可条件。
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://omicsdi.org/dataset/ega/EGAD00001011158
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
配对末端读段使用BWA（v0.7.5a）软件比对到包含诱饵序列的人类参考基因组（hg19，如1000 Genomes Project所用）。重复读段分别使用Picard（v1.140）（https://broadinstitute.github.io/picard/）和SAMtools（v0.1.19）标记并随后去除。插入/缺失（indels）周围的局部重比对和碱基质量重校准使用GATK（v3.6）进行。
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。
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。
