TCGA低级别胶质瘤基因级协调数据

数据集获取

源站：https://doi.org/10.6084/m9.figshare.32194650

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 98.9 MB。

数据说明

该数据集包含在TCGA低级别胶质瘤Python流程第四阶段生成的基因水平协调数据文件。在此阶段，使用Hugo_Symbol作为主要基因标识符，对样本协调后的表达、拷贝数变异和突变数据集在基因水平上进行了协调。基因符号经过清理、标准化，并在各分子数据集间进行了核对，以确保基因表示的一致性。协调过程确定了表达、CNA和突变数据集中共有的基因集合。随后对每个数据集进行过滤，仅保留这些共有基因。这确保了所有保留的分子记录均基于主要组学数据类型间匹配的基因集。此阶段使用的输入文件为expr_step1.csv、cna_step1.csv和mut_step1.xlsx。此阶段使用gene_harmonization.py脚本执行。此数据集中包含的输出文件为expr_step2.csv、cna_step2.csv和mut_step2.xlsx。

这些文件代表基因协调后的表达、CNA和突变数据集。这些基因协调后的文件已准备好用于下游标识符标准化、最终多组学整合、SQL表生成、图数据库构建和分析。此阶段不会改变数据的生物学意义。它侧重于基因符号一致性、跨数据集的基因匹配，以及为整合TCGA LGG多组学分析准备一个可靠的共同基因集。

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。