FFPE人乳腺癌组织中融合转录本发现揭示与肿瘤进展的关联
该数据集来自search.dataone.org，聚焦肿瘤/乳腺癌方向，主题涉及人乳腺癌、肿瘤进展、FFPE与融合转录本
基本信息
资源简介
FFPE人乳腺癌组织中融合转录本发现揭示与肿瘤进展的关联
Fusion transcript discovery in formalin-fixed paraffin-embedded human breast cancer tissues reveals a link to tumor progression
该数据集来自search.dataone.org，聚焦肿瘤/乳腺癌方向，主题涉及人乳腺癌、肿瘤进展、FFPE与融合转录本。源站描述指出，基因融合识别对个性化癌症治疗决策具有重要意义，但FFPE肿瘤组织RNA中融合转录本的检测仍受限于文库复杂度低和生物信息学方法不足。研究提出名为gFuse的方法，采用整合的队列策略，基于两个乳腺癌队列的FFPE RNA-Seq单端50 bp读长数据检测融合转录本。该数据可用于融合转录本检测方法开发与肿瘤进展相关分析（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：基因融合的识别有望在个性化癌症治疗决策中发挥重要作用。利用下一代测序技术，已在常见癌症的新鲜冷冻实体瘤中鉴定出许多罕见的基因融合事件。然而，由于FFPE文库复杂度低且缺乏合适的生物信息学方法，从福尔马林固定石蜡包埋（FFPE）肿瘤组织分离的RNA中检测基因融合转录本的能力仍然有限，而这些组织存在于样本量极大且已知疾病结局的样本库中。我们试图开发一种名为gFuse的生物信息学方法，用于检测FFPE肿瘤组织中的融合转录本。gFuse采用了一种整合的、基于队列的策略，利用两个乳腺癌队列，检查由FFPE RNA测序（RNA-Seq）数据集生成的单端50碱基对（bp）读长。
【主题与分类】
主题标签：human breast cancer、tumor progression、FFPE、Homo Sapiens、fusion transcript。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A54fb15b53dd35e0f0cdc3ab22011fc99e409aaf993920c91e82c7d404c2f9855
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
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
基因融合的识别有望在个性化癌症治疗决策中发挥重要作用。利用下一代测序技术，已在常见癌症的新鲜冷冻实体瘤中鉴定出许多罕见的基因融合事件。然而，由于FFPE文库复杂度低且缺乏合适的生物信息学方法，从福尔马林固定石蜡包埋（FFPE）肿瘤组织中分离的RNA中检测基因融合转录本的能力仍然有限，而这些组织存在于样本量极大且已知疾病结局的样本库中。我们试图开发一种名为gFuse的生物信息学方法，以检测FFPE肿瘤组织中的融合转录本。gFuse采用了一种基于队列的整合策略，利用两个分别包含136名和76名患者的乳腺癌队列，检查了从FFPE RNA测序（RNA-Seq）数据集中生成的单端50碱基对（bp）读段。总共在转录组范围内检测到118个融合事件，达到碱基对分辨…
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。
