基底样乳腺癌六种模型细胞系1,237个癌症基因突变筛查
基底样乳腺癌侵袭性强、预后差，缺乏雌激素受体、孕激素受体和HER2表达，细胞系是体外和体内研究的有用模型。研究对六株基底样乳腺癌细胞系及配对正常淋巴细胞DNA，用靶向捕获和二代测序检测1237个癌症相关基因
基本信息
资源简介
基底样乳腺癌六种模型细胞系1,237个癌症基因突变筛查
Mutation screening of 1,237 cancer genes across six model cell lines of basal-like breast cancer
基底样乳腺癌侵袭性强、预后差，缺乏雌激素受体、孕激素受体和HER2表达，细胞系是体外和体内研究的有用模型。研究对六株基底样乳腺癌细胞系及配对正常淋巴细胞DNA，用靶向捕获和二代测序检测1237个癌症相关基因。共发现658个体细胞变异，378个非沉默，315个为新变异（未见于COSMIC）。125个新变异经Sanger确认，高置信度验证率94%（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：基底样乳腺癌是一种侵袭性亚型，通常以预后差和缺乏三种最重要临床生物标志物——雌激素受体、孕激素受体和HER2——的表达为特征。细胞系可作为在体外和体内研究癌症生物学的有用模型系统。我们通过对1,237个癌症相关基因（包括所有外显子、UTR和上游侧翼区域）进行靶向捕获和下一代测序，对六种基底样乳腺癌细胞系（HCC38、HCC1143、HCC1187、HCC1395、HCC1954和HCC1937）及其配对的正常淋巴细胞DNA进行了突变谱分析。共鉴定出658个体细胞变异，其中378个为非沉默变异（平均每个细胞系63个，范围37–146），315个为新变异（未见于癌症体细胞突变目录数据库；COSMIC）。125个新突变经Sanger测序确认（59个外显子区、48个3′UTR、10个5′UTR、1个剪接），高置信度变异的验证率为94%……
【主题与分类】
主题标签：basal、targeted sequencing、Breast cancer、exome、cell line。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A5e58159da0b8c1e90942bb7b635ca576678b1e91e64f1e90de853bbcd6473870
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
基底样乳腺癌是一种侵袭性亚型，通常以预后差和缺乏三种最重要临床生物标志物——雌激素受体、孕激素受体和HER2——的表达为特征。细胞系可作为在体外和体内研究癌症生物学的有用模型系统。我们通过对1,237个癌症相关基因（包括所有外显子、UTR和上游侧翼区域）进行靶向捕获和下一代测序，对六种基底样乳腺癌细胞系（HCC38、HCC1143、HCC1187、HCC1395、HCC1954和HCC1937）及其配对的正常淋巴细胞DNA进行了突变谱分析。共鉴定出658个体细胞变异，其中378个为非沉默变异（平均每个细胞系63个，范围37–146），315个为新变异（未见于癌症体细胞突变目录数据库；COSMIC）。125个新突变经Sanger测序确认（59个外显子区、48个3′UTR、10个5′UTR、1个剪接），高置信度变异的验证率为94%……
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。
