乳腺癌幸存者多尺度组学队列数据库与研究平台
其目标是用多尺度组学构建队列数据库，作为参考人群支持多变量分析、预测建模，以及天然产物治疗和精准医学应用开发；同时检测靶向血清代谢物、血浆代谢组、肠道微生物群落结构、肠道微生物代谢组、尿液代谢组与生活质量指标之间的独特变异模式（来源 clinicaltrials.gov）
基本信息
资源简介
乳腺癌幸存者多尺度组学队列数据库与研究平台
该数据集来自 clinicaltrials.gov，聚焦乳腺癌幸存者，覆盖 AJCC v8 解剖分期 0 至 III 期（含 IA、IB、IIA、IIB 等亚期）。其目标是用多尺度组学构建队列数据库，作为参考人群支持多变量分析、预测建模，以及天然产物治疗和精准医学应用开发；同时检测靶向血清代谢物、血浆代谢组、肠道微生物群落结构、肠道微生物代谢组、尿液代谢组与生活质量指标之间的独特变异模式（来源 clinicaltrials.gov）。
【主题与分类】
主题标签：Anatomic Stage 0 Breast Cancer AJCC v8、Anatomic Stage I Breast Cancer AJCC v8、Anatomic Stage IA Breast Cancer AJCC v8、Anatomic Stage IB Breast Cancer AJCC v8、Anatomic Stage II Breast Cancer AJCC v8、Anatomic Stage IIA Breast Cancer AJCC v8、Anatomic Stage IIB Breast Cancer AJCC v8、Anatomic Stage III Breast Cancer AJCC v8、Prognostic Stage 0 Breast Cancer AJCC v8、Prognostic Stage I Breast Cancer AJCC v8。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT04999826
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://clinicaltrials.gov/study/NCT04999826
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：乳腺癌解剖分期0期（AJCC第8版）、乳腺癌解剖分期I期（AJCC第8版）、乳腺癌解剖分期IA期（AJCC第8版）、乳腺癌解剖分期IB期（AJCC第8版）、乳腺癌解剖分期II期（AJCC第8版）、乳腺癌解剖分期IIA期（AJCC第8版）、乳腺癌解剖分期IIB期（AJCC第8版）、乳腺癌解剖分期III期（AJCC第8版）。
主要目的：I. 利用多尺度组学构建队列数据库，该数据库可作为参考人群，用于支持多变量分析、预测建模，以及为乳腺癌幸存者开发天然产物治疗药物和精准医学应用。
次要目的：I. 通过对本试验产生的大数据集应用多变量分析、机器学习工具和人工智能，检测以下各项之间的独特变异模式：1）靶向血清代谢物，2）血浆代谢组，3）肠道微生物群落结构，4）肠道微生物代谢组，5）尿液代谢组，6）生活质量指标，以及7）乳腺癌幸存者（BCS）症状。
试验方案：参与者需在10分钟内完成问卷，并接受血液、尿液、唾液和粪便样本采集。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
