TCGA 低级别胶质瘤多组学 SQL 数据库构建与填充文件

数据集获取

源站：https://doi.org/10.6084/m9.figshare.32204706.v1

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 84.9 MB。

数据说明

本数据集包含为TCGA低级别胶质瘤多组学数据库项目生成的SQL数据库构建与数据填充文件。本数据集中的文件用于创建并填充基于最终协调后的TCGA LGG临床、突变、拷贝数变异和mRNA表达数据集所开发的关系型SQL数据库。这些文件代表了项目中的数据库实现阶段，此时数据清洗、验证、样本协调、基因协调、HGNC映射及最终协调步骤均已完成。本数据集包括SQL模式文件，该文件定义了组织多组学数据所需的数据库结构、表、字段、主键、外键及关系。它还包括用于将清洗和协调后的数据加载到关系型数据库中的SQL填充文件。包含的文件为01_create_database_schema.sql、02_load_cleaned_data.sql.zip和03_mydump.sql.zip。

模式文件创建数据库设计，而加载和转储文件支持数据库填充、备份以及最终SQL数据库的可复现重建。这些SQL文件允许用户在本地重建关系数据库，并复现本项目所使用的结构化临床-基因组数据库。生成的数据库支持跨患者、样本、基因、突变、CNA事件和表达记录的综合查询。该数据集旨在支持TCGA LGG多组学数据库工作流程的透明性、可复现性和重用性。

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。