TCGA低级别胶质瘤结构验证数据集

数据集获取

源站：https://doi.org/10.6084/m9.figshare.32194545

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 239.7 MB。

数据说明

本数据集包含TCGA低级别胶质瘤Python流程在结构验证阶段后生成的经验证数据文件。本数据集中的所有文件均由前一流程阶段生成的清洗后数据文件产生。在此阶段，对数据集进行了系统性检查，涵盖结构完整性、标识符一致性、必填字段以及下游协调处理的就绪性。验证过程核实了关键标识符的存在，包括适用情况下的Sample_ID和Hugo_Symbol。同时还检查了可能影响下游整合的缺失、空值、空白或无效标识符。基因符号经过标准化处理，以确保各分子数据集之间格式一致。验证阶段还确保了关键列具有一致的数据类型，并且每个数据集均包含流程后续步骤所需的必填字段。必要时移除了空白或无效行。

还检查了HGNC参考文件hgnc_complete_set.txt，以确认其包含基因水平协调所需的结构和列。本阶段使用的输入文件包括Clinical&Sample.xlsx、long_expression.csv、Mutation.xlsx、cna_long.csv和hgnc_complete_set.txt。本阶段使用scripts目录中的validator.py脚本执行。经验证的数据集将直接作为流程中样本水平和基因水平协调步骤的输入，包括Step1_samples.py和Step2_genes.py。本阶段不改变数据的生物学含义，重点在于数据完整性、结构一致性、标识符质量，以及为可靠的多组学协调和数据库构建做好准备。

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。