TCGA低级别胶质瘤第三阶段样本级协调数据

数据集获取

源站：https://doi.org/10.6084/m9.figshare.32194617

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 102.4 MB。

数据说明

该数据集包含在TCGA低级别胶质瘤Python流程第三阶段生成的样本级协调数据文件。在此阶段，经过验证的临床、基因表达、拷贝数变异和突变数据集使用Sample_ID作为主要链接标识符进行了协调。样本标识符在所有数据集中进行了清理、标准化和检查，以确保格式一致和匹配可靠。协调过程确定了临床、表达、CNA和突变数据集之间共享的常见样本集。然后对每个数据集进行过滤，仅保留这些匹配的样本。这确保了每个保留的样本在所需数据类型上具有完整的多组学代表性。此阶段使用的输入文件为Clinical&Sample.xlsx、long_expression.csv、Mutation.xlsx和cna_long.csv。此阶段使用sample_harmonization.py脚本执行。此数据集中包含的输出文件为clin_step1.xlsx、expr_step1.csv、cna_step1.csv和mut_step1.xlsx。

这些文件代表样本协调后的临床、表达、CNA和突变数据集。这些样本协调后的文件已准备好用于下游基因水平协调、标识符标准化、最终整合和数据库构建。此阶段不改变数据的生物学意义，重点在于样本匹配、标识符一致性，以及为可靠的下游分析准备一个完整的匹配多组学数据集。

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。