年轻发病膀胱癌的基因组图谱及其对成人膀胱癌的预后意义
该数据集包含29例年轻发病膀胱癌的基因组和转录组测序数据，涵盖基因突变、拷贝数变异、基因融合和表达谱等多模态信息，通过对比成人膀胱癌数据，揭示了年轻发病膀胱癌以HRAS突变和FGFR3基因融合为特征的独特基因组图谱，并表明其预后良好，适用于膀胱癌的分子机制、预后标志物及个性化治疗研究方向。
基本信息
资源简介
年轻发病膀胱癌的基因组图谱及其对成人膀胱癌的预后意义
【数据集背景】
本数据集源站标题为《Genomic Landscape of Young-Onset Bladder Cancer and Its Prognostic Implication on Adult Bladder Cancer》。源站首次发布：2022-02-20。
【数据内容】
源站原始描述：Bladder cancer is common in elderly men, and it is a highly mutated tumor with frequent TP53 and FGFR3 mutation. Young-onset bladder cancer (YBC) is extremely rare; therefore, its genomic characteristics are unknown and appropriate management strategy is yet to be defined. Through a nation-wide search for bladder cancer diagnosed at 20 years or younger, 29 cases of biopsy-proven YBCs were collected. Whole exome sequencing and RNA sequencing were performed on 21 and 11 cases, respectively, and th…
【主题与分类】
主题标签：FGFR3、HRAS、next generation sequencing、prognosis、young-onset bladder cancer.、FGFR3、HRAS、next generation sequencing、prognosis、young-onset bladder cancer.。
【获取与许可】
源站页面：http://data.iscr.ac.cn/Article?id=211ea63d324b15f5338e25383838c1fe
使用许可：openSource。
规范引用：PMID: 32012866
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：http://data.iscr.ac.cn/Article?id=211ea63d324b15f5338e25383838c1fe
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
该数据集是一个基因组学研究数据集，专注于年轻发病膀胱癌的基因组特征及其临床意义。数据集包含29例经活检证实的年轻发病膀胱癌病例，通过全外显子组测序和RNA测序技术，对21例和11例分别进行了基因组和转录组分析。数据内容包括基因突变、拷贝数变异、基因融合事件以及基因表达谱，并与从公共数据库中检索的成人膀胱癌数据进行了比较。数据来源于韩国全国范围内的病例收集，主要应用于膀胱癌的分子分型、预后评估以及年轻发病与成人发病膀胱癌的基因组差异研究，为临床治疗策略的优化提供了依据。
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。
