单细胞来源类器官与乳腺癌LCM样本全基因组测序数据集
该数据集来自 omicsdi.org，包含多类样本的全基因组测序数据：65 个单细胞来源类器官及 6 个新鲜单细胞来源类器官的配对 WGA 样本、84 个乳腺癌及相关克隆的 FFPE LCM 样本、79 个乳腺癌患者非癌小叶新鲜冷冻 LCM 样本，以及 36 个匹配的胚系对照
基本信息
资源简介
单细胞来源类器官与乳腺癌LCM样本全基因组测序数据集
该数据集收录于 omicsdi.org，分类归属肿瘤/乳腺癌方向，主题标签为 Genomics，英文名称为 4baef562-ccb8-464e-bb0b-2126b93105ac - samples。数据集的核心内容是多类乳腺相关样本的全基因组测序数据，涵盖正常乳腺上皮细胞建立的单细胞来源类器官、乳腺癌及相关克隆的 FFPE 激光捕获显微切割样本、乳腺癌患者非癌小叶的新鲜冷冻激光捕获显微切割样本，以及匹配的胚系对照。所有样本均通过 NovaSeq 6000（Illumina）或 DNBSEQ-G400RS（MGI Tech）平台完成全基因组测序。该数据集将正常乳腺上皮来源类器官、乳腺癌病灶及癌旁非癌组织、胚系对照纳入同一测序框架，为在基因组层面比较正常与肿瘤状态、追溯克隆演化关系提供了样本基础。
【数据集背景】
该数据集聚焦肿瘤/乳腺癌方向，主题标签为 Genomics。其样本设计覆盖了从正常乳腺上皮细胞来源的类器官到乳腺癌及相关克隆、再到患者非癌小叶组织与胚系对照的多个层次，构成一个以全基因组测序为核心手段的乳腺组织基因组研究样本集合。数据来源站为 omicsdi.org。
【数据内容】
数据集包含以下几类样本的全基因组测序数据：65 个单细胞来源类器官的配对 WGA（全基因组扩增）样本，以及 6 个新鲜单细胞来源类器官样本；84 个乳腺癌及相关克隆的 FFPE LCM（激光捕获显微切割）样本；79 个乳腺癌患者非癌小叶的新鲜冷冻 LCM 样本；以及 36 个匹配的胚系对照。上述样本均接受了全基因组测序。
【采集与来源】
样本来源包括正常乳腺上皮细胞建立的单细胞来源类器官、乳腺癌及相关克隆的 FFPE 组织、乳腺癌患者的非癌小叶组织，以及匹配的胚系对照。其中类器官样本涉及配对的全基因组扩增处理，组织样本采用激光捕获显微切割方式获取，FFPE 样本为福尔马林固定石蜡包埋形式，非癌小叶样本为新鲜冷冻形式。测序在 NovaSeq 6000 系统（Illumina）或 DNBSEQ-G400RS（MGI Tech）上完成。数据经 omicsdi.org 收录。
【适用场景】
基于其样本构成，该数据集适用于乳腺正常上皮与乳腺癌及相关克隆之间的全基因组层面比较研究，可用于考察单细胞来源类器官的基因组特征、FFPE 与新鲜冷冻两类激光捕获显微切割样本的基因组分析，以及借助匹配胚系对照进行胚系与体细胞变异的区分。主题标签 Genomics 表明其面向基因组学分析用途。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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。
暂未开放公开下载
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。
免登录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://omicsdi.org/dataset/ega/EGAD00001010833
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:
数据说明
对来自65个单细胞来源类器官的配对WGA（全基因组扩增）样本和6个新鲜单细胞来源类器官样本（两者均建立自正常乳腺上皮细胞）、84份乳腺癌及相关克隆的FFPE LCM（激光捕获显微切割）样本、79份乳腺癌患者非癌小叶的新鲜冷冻LCM样本以及36份匹配的生殖系对照进行了全基因组测序，使用NovaSeq 6000系统（Illumina）或DNBSEQ-G400RS（MGI Tech）。
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。
