METABRIC 独立研究数据集
主题标签：肿瘤、乳腺癌、临床特征、基因表达、CNV、SNP 基因型、METABRIC。本数据集为肿瘤领域公开数据集，主题涵盖肿瘤。
基本信息
资源简介
METABRIC 独立研究数据集
METABRIC Data for Use in Independent Research 是一个面向独立研究用途公开的肿瘤领域数据集，主题聚焦于乳腺癌。该数据集来源于 synapse.org，归类于肿瘤 / 乳腺癌方向。根据源站描述，该项目提供分子分类乳腺癌国际联盟（Molecular Taxonomy of Breast Cancer International Consortium，简称 METABRIC）的数据访问权限，供研究人员在独立研究中使用。METABRIC 数据集包含来自 METABRIC 试验参与者乳腺肿瘤的临床特征、表达数据、拷贝数变异（CNV）图谱以及 SNP 基因型信息。该队列的详细信息已在 Curtis C 等人于 2012 年发表在 Nature 上的论文中公布，论文题为《The genomic and transcriptomic architecture of 2,000 breast tumours reveals novel subgroups》。整体而言，该数据集围绕乳腺癌的多组学与临床信息，为肿瘤研究提供了可获取的数据资源。
【数据集背景】
METABRIC 全称为 Molecular Taxonomy of Breast Cancer International Consortium，即分子分类乳腺癌国际联盟。该数据集所依托的研究旨在通过对乳腺癌肿瘤进行分子层面的分类与刻画，揭示新的亚群。相关成果已发表于 Curtis C 等人的论文《The genomic and transcriptomic architecture of 2,000 breast tumours reveals novel subgroups》，刊登于 Nature 2012 年 4 月 18 日第 486 卷第 7403 期，页码 346 至 352。该数据集在 synapse.org 上以项目形式提供，供独立研究使用。源站同时指出，关于该研究的信息仅限于该门户所描述的内容以及下方链接的论文；此外，源站还提及可参见 EGAS00000000098 以获取 METABRIC 数据的独立分发版本。
【数据内容】
该数据集包含来自 METABRIC 试验参与者乳腺肿瘤的以下类型数据：临床特征、表达数据、CNV 图谱以及 SNP 基因型。这些数据共同构成了对乳腺癌肿瘤的多维度描述。主题标签涵盖肿瘤、乳腺癌、临床特征、基因表达、CNV、SNP 基因型以及 METABRIC。数据集分类为肿瘤 / 乳腺癌。源站描述中提及 METABRIC 队列，但未在给定信息中展开队列的具体规模、样本数量或人口学构成等细节。
【采集与来源】
数据来源于 METABRIC 试验参与者的乳腺肿瘤。数据集通过 synapse.org 提供访问。源站描述说明，该研究信息限于门户描述及所链接论文；并指出可参见 EGAS00000000098 获取 METABRIC 数据的独立分发。关于具体的采集时间、采集地点、伦理审批信息、样本处理流程等，源站未提供。
【适用场景】
该数据集可用于独立研究，尤其适用于肿瘤学与乳腺癌相关研究。由于其包含临床特征、基因表达、CNV 和 SNP 基因型等多类数据，潜在适用方向包括乳腺癌分子亚群分析、基因组与转录组架构研究，以及基于临床与分子数据的整合分析。源站将其定位为供独立研究使用的数据资源。具体的研究设计、分析类型或应用案例，源站未提供。
【使用方法】
该数据集可通过 synapse.org 上的项目进行访问。源站描述中提供了指向相关论文的链接，并提及 EGAS00000000098 作为 METABRIC 数据的独立分发渠道。关于数据下载格式、访问权限申请流程、所需工具、数据处理步骤或分析指南等，源站未提供。
【质量与限制】
源站描述明确指出，关于该研究的信息仅限于该门户所描述的内容以及所链接的论文。这意味着数据集的背景信息、文档说明可能受限于门户与论文所覆盖的范围。此外，源站提及可参见 EGAS00000000098 获取独立分发版本，但未对数据质量、完整性、准确性、偏差或使用限制做出进一步说明。关于数据缺失情况、批次效应、样本代表性等，源站未提供。
【引用与许可】
使用该数据集时，应引用相关论文：Curtis C, et al. The genomic and transcriptomic architecture of 2,000 breast tumours reveals novel subgroups. Nature. 2012 Apr 18;486(7403):346-52。源站描述中提供了该论文的链接。关于数据许可条款、使用协议、再分发限制或商业使用规定等，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。
需登录公开下载
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。
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://synapse.org/Synapse:syn1688369
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
####有关本研究的信息仅限于通过本门户以及下方链接的论文所描述的内容。有关 METABRIC 数据的独立分发，请参见 EGAS00000000098
数据描述
#####！本项目提供来自乳腺癌分子分类国际联盟（Molecular Taxonomy of Breast Cancer International Consortium，METABRIC）的数据，以供独立研究使用。
METABRIC 数据集包含源自 METABRIC 试验参与者所采集乳腺肿瘤的临床特征、表达数据、CNV 谱和 SNP 基因型。有关 METABRIC 队列的详细信息已在此处发表：Curtis C 等. 2,000 个乳腺肿瘤的基因组和转录组结构揭示新的亚组. Nature. 2012 Apr 18;486(7403):346-52.
-
METABRIC 队列被用作乳腺癌挑战赛（Breast Cancer Challenge，syn1461050）中的训练数据集。有关在独立研究中使用此数据的条件，请参见下文。
-
乳腺癌挑战验证数据（OSLOVal）可用于独立研究，可在此处找到：syn1688370 * 数据标准化方法在《乳腺癌挑战》论文中有详细描述：http://stm.sciencemag.org/content/5/181/181re1.long * 临床变量在原始Metabric论文中有说明：http://www.nature.com/nature/journal/v486/n7403/full/nature10983.html * 欲获取更多Metabric数据，请参阅欧洲基因组-表型组档案库 — ## 分子与临床数据 R二进制文件，即在乳腺癌竞赛期间用于数据共享的格式。 数据位置 | 数据级别* | 样本数量 | 数据类型 | 描述 syn1757063 | 受控使用 | 1,981 | 基因表达 | Illumina HT 12芯片 - 49,576个转录本 syn1757060 | 受控使用 | 1,981 | 拷贝数变异 | Affymetrix SNP 6.0芯片 - 8,538个CNV syn1757053 | 公开使用 | 1,981 |
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。
