GDC MATCH-I：基因组特征 CS-MATCH-0007 Arm I
原发部位涵盖食管、皮肤、未知部位、扁桃体和鼻咽，疾病类型包括 Neoplasms, NOS、骨与软骨肿瘤、腺瘤与腺癌、胶质瘤、肌瘤性肿瘤等
基本信息
资源简介
GDC MATCH-I：基因组特征 CS-MATCH-0007 Arm I
该数据集来自 NCI Genomic Data Commons 的 MATCH 计划，项目编号 CS-MATCH-0007 Arm I，聚焦肿瘤基因组特征。原发部位涵盖食管、皮肤、未知部位、扁桃体和鼻咽，疾病类型包括 Neoplasms, NOS、骨与软骨肿瘤、腺瘤与腺癌、胶质瘤、肌瘤性肿瘤等。共 60 例病例、1,419 个文件，总大小 4551.8 GB，包含临床、生物样本、RNA-Seq、WXS、甲基化和影像数据，并区分开放与受控访问层级，可用于肿瘤基因组与多组学分析（来源 portal.gdc.cancer.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：GDC 项目 MATCH-I（基因组特征 CS-MATCH-0007 Arm I）。原发部位：食管、皮肤、未知、扁桃体、鼻咽。疾病类型：Neoplasms, NOS、骨与软骨肿瘤、腺瘤与腺癌、胶质瘤、肌瘤性肿瘤。计划：MATCH。病例数：60。文件数：1,419。总大小：4551.8 GB。NCI Genomic Data Commons 协调的癌症基因组学项目（临床、生物样本、RNA-Seq、WXS、甲基化和影像数据；开放与受控访问层级）。
【主题与分类】
主题标签：Neoplasms, NOS、Osseous and Chondromatous Neoplasms、Adenomas and Adenocarcinomas、Gliomas、Myomatous Neoplasms、Nevi and Melanomas、Epithelial Neoplasms, NOS、Squamous Cell Neoplasms、Soft Tissue Tumors and Sarcomas, NOS。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://portal.gdc.cancer.gov/projects/MATCH-I
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。
需登录公开下载
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。
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：https://portal.gdc.cancer.gov/projects/MATCH-I
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:
数据集大小约 4887.41 GB。
数据说明
GDC project MATCH-I (Genomic Characterization CS-MATCH-0007 Arm I). Primary site: Esophagus, Skin, Unknown, Tonsil, Nasopharynx. Disease type: Neoplasms, NOS, Osseous and Chondromatous Neoplasms, Adenomas and Adenocarcinomas, Gliomas, Myomatous Neoplasms. Program: MATCH. Cases: 60. Files: 1,419. Total size: 4551.8 GB. NCI Genomic Data Commons harmonized cancer genomics project (clinical, biospecimen, RNA-Seq, WXS, methylation and imaging data; open and controlled access tiers).
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
