新发转移性乳腺癌患者胚系与体细胞致病性变异检测
该数据集来自 clinicaltrials.gov，聚焦新发转移性乳腺癌（DN-MBC）患者。研究采集患者血液与组织样本，采用下一代测序（NGS）分析，以绘制 DN-MBC 的分子/遗传特征并检测胚系与体细胞致病性变异，所有结果将与患者临床病理特征关联
基本信息
资源简介
新发转移性乳腺癌患者胚系与体细胞致病性变异检测
该数据集围绕新发转移性乳腺癌（de novo metastatic breast cancer，DN-MBC）患者展开，来源于 clinicaltrials.gov 登记的一项研究。DN-MBC 在临床上较为少见，其生物学行为似乎有别于早期乳腺癌和复发型乳腺癌，且此前尚未作为独立疾病类型被系统研究。研究通过采集患者血液与组织样本，利用下一代测序（NGS）技术进行分析，旨在绘制 DN-MBC 的分子与遗传特征图谱，并检测胚系与体细胞致病性变异，最终将检测结果与患者的临床病理特征相关联。数据集主题标签为转移性乳腺癌，本站归类为肿瘤 / 乳腺癌，可为理解这一特殊亚型的遗传背景提供研究层面的数据基础。
【数据集背景】
新发转移性乳腺癌指初诊时即已存在远处转移的乳腺癌类型。源站描述指出，该疾病相对罕见，且表现出与早期乳腺癌及复发型乳腺癌不同的特征，但此前并未被当作一种独立疾病进行专门研究。正是基于这一空白，该研究希望借助分子检测手段刻画 DN-MBC 的遗传学面貌，从而加深对这一疾病类型的认识。
【数据内容】
数据集的核心内容来自对 DN-MBC 患者血液与组织样本的下一代测序分析。研究目标是绘制该疾病的分子/遗传特征，并检测其中的胚系致病性变异与体细胞致病性变异。此外，所有检测结果都将与患者的临床病理特征建立关联，形成遗传信息与临床信息相互对应的数据内容。关于样本量、具体基因 panel、变异位点数量等细节，源站未提供。
【采集与来源】
数据来源于 clinicaltrials.gov 登记的研究，研究对象为确诊的新发转移性乳腺癌患者。采集材料包括患者的血液样本与组织样本，检测手段为下一代测序（NGS）。源站未提供具体的采集时间窗、采集机构数量与地理分布等信息。
【适用场景】
该数据集适用于与新发转移性乳腺癌相关的遗传与分子研究场景，例如探索 DN-MBC 的胚系与体细胞致病性变异谱、分析分子特征与临床病理特征之间的关联，以及将该疾病类型与早期乳腺癌、复发型乳腺癌进行对比研究的背景参考。源站未提供其他具体应用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方式、访问途径或分析流程说明。
【质量与限制】
源站未提供关于数据质量评估、样本规模、测序深度、缺失情况或使用限制的说明。
【引用与许可】
源站未提供引用格式与许可条款信息。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
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://clinicaltrials.gov/study/NCT05758948
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
条件：转移性乳腺癌。本研究的价值在于，DN-MBC较为罕见，似乎不同于早期和复发性乳腺癌，且尚未作为独立疾病进行研究。为实现本研究目标，将对诊断为DN-MBC的患者的血液和组织样本采用下一代测序（NGS）进一步分析，以绘制DN-MBC的分子/遗传特征图谱，并检测胚系和体细胞致病性变异。所有结果将与患者的临床病理特征进行关联分析。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
