TCGA低级别胶质瘤清洗后数据

数据集获取

源站：https://doi.org/10.6084/m9.figshare.32194497

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 102.8 MB。

数据说明

该数据集包含TCGA低级别胶质瘤Python流程在初始数据清洗与转换阶段后生成的清洗后数据文件。本数据集中的所有文件均由选定的流程输入文件生成。在此阶段，数据已完成清洗、标准化、重新格式化，并整理为适合下游协调与数据库构建的结构化格式。临床与样本数据通过以下方式完成清洗与标准化：按照数据库模式重命名变量，将生存变量转换为清晰的临床标签，标准化癌症相关字段，从分子亚型信息中提取IDH状态和1p/19q共缺失状态，修正格式不一致问题，并检查重复的患者和样本记录。拷贝数变异数据从宽矩阵格式转换为长格式，其中每一行代表一个基因与样本对。

基因标识符和数据类型已标准化，CNA值被转换为生物学类别，包括深度缺失、缺失、中性、增益和扩增，并删除了重复行。基因表达数据也从宽格式转换为长格式。表达值被转换为数值格式、四舍五入、过滤以去除零表达记录，并检查了重复条目。突变数据通过标准化注释字段、将列名与数据库模式对齐、基于VEP排名选择最严重的变异后果、将读取计数字段转换为数值格式以及计算变异等位基因频率来进行清理。这些清理后的数据集代表了第一个主要数据准备阶段的输出。它们已准备好进入流程的下一阶段，包括样本级协调、基因级协调、HGNC映射、标识符标准化、最终整合、SQL表生成和数据库构建。在此阶段，数据已被清理和标准化，

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。