配对原发与复发乳腺癌的DIA分析
该数据集来自 omicsdi.org，聚焦配对的原发性与复发性乳腺癌，采用全基因组测序、RNA测序和质谱组成的蛋白质基因组学工作流，对27例原发乳腺癌及其匹配的局部区域复发灶进行分析
基本信息
资源简介
配对原发与复发乳腺癌的DIA分析
该数据集聚焦配对的原发性与复发性乳腺癌，采用全基因组测序、RNA测序和质谱组成的蛋白质基因组学工作流，对27例原发乳腺癌及其匹配的局部区域复发灶进行分析，旨在从多层分子层面刻画肿瘤由原发走向复发的演化过程。数据集英文名为 DIA analysis of paired primary and recurrent breast cancers，在来源站 omicsdi.org 上归类于肿瘤 / 乳腺癌方向，主题标签涵盖 Primary、Dia、Recurrence 与 Breast cancer。其核心价值在于将基因组、转录组与蛋白质组信息整合于同一配对队列，使研究者不仅能够观察突变过程本身，还能考察这些突变在效应器层面即蛋白质层面的影响，为理解乳腺癌复发机制提供多层次的分子依据。
【数据集背景】
乳腺癌的分子分型研究在界定原发肿瘤的突变图谱与分子特征方面已达到相当深度，但关于癌症如何演化为复发灶，认识仍然有限。蛋白质基因组学工作流通过整合基因组学、转录组学与蛋白质组学技术，特别适合刻画复杂疾病的多层生物学特征，既能揭示突变过程，也能反映其在蛋白质这一效应层面的后果。该数据集正是在这一背景下产生，针对原发肿瘤与匹配复发灶的配对设计，弥补复发演化研究中的分子数据缺口。
【数据内容】
数据集围绕27例原发乳腺癌及其匹配的局部区域复发灶展开，每例样本均经过全基因组测序、RNA测序和质谱分析，形成基因组、转录组与蛋白质组三个层面的配对数据。主题标签中的 Dia 指向数据所采用的 DIA（数据非依赖采集）质谱分析策略。配对设计使得同一患者的原发灶与复发灶可以在多个分子层面上直接比较，从而支持对突变过程及其在蛋白质层面影响的联合考察。
【采集与来源】
该数据集来源于 omicsdi.org。其产生依托于一套新近开发的蛋白质基因组学工作流，该工作流被用于分析上述27例原发乳腺癌及其匹配的局部区域复发灶，检测手段包括全基因组测序、RNA测序与质谱。样本为原发乳腺癌组织及其匹配的局部区域复发灶，构成同一患者内的配对关系。
【适用场景】
该数据集适用于乳腺癌复发演化相关研究，包括原发灶与复发灶之间在基因组突变图谱、转录组表达特征与蛋白质组丰度层面的配对比较；也适用于考察突变过程在蛋白质效应层面的反映，以及蛋白质基因组学整合分析方法的实践与应用。其配对队列设计适合需要同一患者纵向分子对照的研究场景。
【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://omicsdi.org/dataset/pride/PXD032266
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
乳腺癌的分子图谱分析在界定原发肿瘤的突变景观和分子特征方面已达到相当深度，然而关于癌症如何演变为复发的过程仍知之甚少。蛋白质基因组学工作流程通过整合基因组学、转录组学和蛋白质组学技术，在界定复杂疾病的多层次生物学特征方面尤为有用，不仅可揭示突变过程，还能阐明其在效应器层面即蛋白质上的影响。我们采用近期开发的蛋白质基因组学工作流程，通过全基因组测序、RNA测序和质谱分析，对27例原发乳腺癌及其配对的局部区域复发灶进行了分析。
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。
