ena-DATASET-MUG-14-07-2016-11:57:14:452-1424 样本集
该数据集来自 omicsdi.org，属于肿瘤/乳腺癌分类，包含 104 例无肿瘤供者血浆样本的单端测序数据（修剪至 60bp），其中男性 50 例、女性 54 例，合并后用于建立 TSS 周围覆盖谱并构建基因表达预测算法
基本信息
资源简介
ena-DATASET-MUG-14-07-2016-11:57:14:452-1424 样本集
ena-DATASET-MUG-14-07-2016-11:57:14:452-1424 - samples 数据集来自 omicsdi.org，归类于肿瘤 / 乳腺癌方向，主题标签为 Genomics。该数据集的核心内容是 104 例无肿瘤供者血浆样本的单端测序数据，测序读长经修剪后为 60bp，其中男性供者 50 例、女性供者 54 例。这些样本的测序数据经过合并，用于建立转录起始位点（TSS）周围的覆盖谱，并在此基础上构建基因表达预测算法。此外，数据集还包含 2 例转移性乳腺癌患者样本，这些样本在 NextSeq 平台上以更高深度完成测序。整体而言，该数据集以无肿瘤供者血浆游离 DNA 的低覆盖全基因组测序为主体，辅以少量乳腺癌患者的高深度测序数据，可用于血浆 DNA 测序特征与基因表达预测相关的研究。
【数据集背景】
该数据集所属分类为肿瘤 / 乳腺癌，主题标签为 Genomics，来源站为 omicsdi.org。从源站描述来看，该数据集的建立动机与血浆 DNA 测序数据的分析利用有关：通过合并无肿瘤供者的低覆盖全基因组测序数据，建立 TSS 周围的覆盖谱，并据此发展基因表达预测算法。这一背景说明数据集并非单纯以病例对照为目的采集，而是带有方法学构建的性质，即利用健康供者血浆样本的测序覆盖特征作为基础参照，再引入少量乳腺癌患者样本进行更高深度的测序观察。
【数据内容】
数据集包含 104 例无肿瘤供者血浆样本的单端测序数据，读长经修剪至 60bp。供者性别构成为男性 50 例、女性 54 例。这些样本的数据被合并，用于建立 TSS 周围的覆盖谱以及基因表达预测算法。除上述无肿瘤供者样本外，数据集还包含 2 例转移性乳腺癌患者的测序数据，这 2 例样本在 NextSeq 平台上以更高深度进行测序。源站描述同时指出，数据集包含来自 50 名男性和 54 名女性非癌症供者血浆 DNA 的低覆盖全基因组测序的合并比对结果。
【采集与来源】
数据集来源站为 omicsdi.org。样本类型为血浆样本，来自无肿瘤供者以及转移性乳腺癌患者。无肿瘤供者的性别分布为男性 50 例、女性 54 例。测序策略方面，无肿瘤供者样本为单端测序，读长修剪至 60bp，属于低覆盖全基因组测序；2 例转移性乳腺癌患者样本则在 NextSeq 平台上以更高深度测序。其余采集地点、采集时间、伦理审批等信息源站未提供。
【适用场景】
基于源站描述，该数据集可用于建立 TSS 周围的覆盖谱，并用于构建和评估基因表达预测算法。由于主体数据来自无肿瘤供者的血浆 DNA 低覆盖全基因组测序，适合作为血浆游离 DNA 测序覆盖特征分析的基础数据；同时，数据集中包含 2 例转移性乳腺癌患者的高深度测序样本，可用于乳腺癌相关血浆 DNA 测序特征的观察性分析。主题标签 Genomics 表明其适用于基因组学范畴下的相关研究。其他具体应用场景源站未提供。
【使用方法】
源站描述提到，无肿瘤供者的单端测序数据经修剪至 60bp 后被合并，用于建立 TSS 周围覆盖谱和基因表达预测算法，数据集包含这些低覆盖全基因组测序的合并比对结果。因此，使用该数据集时可关注其合并比对结果以及 TSS 覆盖谱构建这一分析路径。关于数据文件格式、下载方式、预处理流程细节及分析工具等，源站未提供。
【质量与限制】
该数据集的无肿瘤供者样本为低覆盖全基因组测序，读长经修剪至 60bp，并以合并形式提供比对结果；乳腺癌患者样本仅 2 例，虽然在 NextSeq 平台上以更高深度测序，但样本量很小。数据集中无肿瘤供者样本的性别构成不均衡程度较低（男性 50 例、女性 54 例）。关于测序质量评分、覆盖度具体数值、批次信息及质控指标等，源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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/EGAD00001002254
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
来自无肿瘤供者（男性=50；女性=54）的104份血浆样本的单端测序数据（修剪至60bp）被合并，用于建立TSS周围的覆盖度谱并建立基因表达预测算法。数据集包括来自50名男性和54名女性非癌症供者血浆DNA的低覆盖度全基因组测序的合并比对结果。此外，2名转移性乳腺癌患者在NextSeq上进行了更高深度的测序。
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。
