整合乳腺癌转录组图谱定义临床亚型并揭示细胞起源
该数据集来自 NCBI BioProject（PRJNA1504924），主题为转录组或基因表达，属于肿瘤/乳腺癌方向。其目标是通过整合乳腺癌转录组图谱，定义临床亚型并推断细胞起源
基本信息
资源简介
整合乳腺癌转录组图谱定义临床亚型并揭示细胞起源
PRJNA1504924 是一个来自 NCBI BioProject 的乳腺癌转录组数据集，标题为“An integrated breast cancer transcriptomic atlas defines clinical subtypes and informs cellular origin”。该数据集的主题标签为“Transcriptome or Gene expression”，本站分类归入肿瘤 / 乳腺癌方向。从标题与主题来看，该项目的核心目标是通过整合乳腺癌转录组图谱，定义临床亚型并推断细胞起源。BioProject 作为 NCBI 提供的项目记录形式，将同一项研究所产生的多种数据类型汇聚于一处，便于用户集中查找与访问。该数据集因此可作为乳腺癌转录组研究的一个入口，帮助研究者了解该项目所涉及的基因表达信息及其在临床分型与细胞起源探索方面的定位。
【数据集背景】
乳腺癌是一种高度异质性的肿瘤，不同患者在分子特征、临床行为与治疗反应上存在显著差异。转录组层面的基因表达信息能够反映肿瘤的分子状态，为临床亚型的划分提供依据。该项目以“整合乳腺癌转录组图谱”为核心，试图在转录组水平上建立更全面的认识，并进一步将分子特征与临床亚型及细胞起源联系起来。NCBI BioProject 作为项目记录的载体，为这一研究提供了统一的数据组织框架，使用户能够从单一入口获取该项目关联的多种数据类型。该数据集的主题标签明确指向转录组或基因表达，说明其数据主体属于基因表达相关范畴。
【数据内容】
该数据集的主题标签为“Transcriptome or Gene expression”，表明其内容围绕转录组或基因表达数据展开。项目标题指出其目标是整合乳腺癌转录组图谱，并据此定义临床亚型、推断细胞起源。因此，数据内容在概念上涉及乳腺癌样本的转录组表达信息，以及由这些信息衍生出的临床亚型划分与细胞起源分析结果。关于具体的样本数量、测序平台、表达矩阵规模、亚型数量或细胞类型等细节，源站未提供。BioProject 记录本身并不等同于原始数据文件，而是提供指向该项目所产生各类数据的链接入口。
【采集与来源】
该数据集的来源站为 ncbi.nlm.nih.gov，属于 NCBI BioProject 数据库中的一条项目记录，项目编号为 PRJNA1504924。源站描述指出，BioProject 是围绕单一研究计划、来自单一组织或联盟的生物学数据集合，其记录为用户提供查找该项目所生成多种数据类型的统一位置。就本项目而言，其数据来源为乳腺癌转录组研究，具体样本采集地点、采集时间、纳入标准、测序机构等信息源站未提供。
【适用场景】
该数据集适用于乳腺癌转录组相关的分析场景。由于项目目标涉及定义临床亚型与推断细胞起源，其数据可用于探索基因表达模式与临床分型之间的关系，也可用于研究肿瘤细胞来源相关的表达特征。对于希望了解乳腺癌转录组图谱整合思路的研究者，该 BioProject 记录可作为查找相关数据的起点。此外，该数据集也可用于方法学参考，例如如何通过转录组数据开展亚型划分与细胞起源推断。关于具体的分析流程、统计方法或验证实验，源站未提供。
【使用方法】
用户可通过 NCBI BioProject 记录访问该项目，并借助记录中提供的链接查找该项目关联的多种数据类型。BioProject 的设计目的正是为用户提供单一入口，以便定位同一研究计划下的不同数据资源。因此，使用该数据集时，建议先查阅项目记录页面，了解其关联的数据类型与访问方式，再根据研究需要下载或链接至相应的转录组或基因表达数据。关于具体的下载格式、文件组织方式、分析工具或代码，源站未提供。
【质量与限制】
该数据集来自 NCBI BioProject，属于公共数据库中的项目记录。BioProject 记录提供的是项目层面的描述与链接，而非经过统一质控的最终分析结果。因此，用户在使用时需注意，项目记录本身不保证数据的完整性、准确性或可直接复用性，具体数据质量取决于原始研究的设计与提交内容。此外，该数据集的主题标签为“Transcriptome or Gene expression”，其范围可能涵盖多种转录组技术或分析层面，具体技术细节与质控指标源站未提供。关于样本量、批次效应、数据缺失情况等限制，源站未提供。
【引用与许可】
该数据集的引用方式与许可信息源站未提供。用户在使用该数据集时，应参考 NCBI BioProject 记录页面中可能列出的相关研究论文或数据提交者信息，并遵循 NCBI 及原始数据提供方的使用条款。关于具体的引用格式、许可类型或使用限制，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。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
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://ncbi.nlm.nih.gov/bioproject/PRJNA1504924
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
大规模分析乳腺癌转录组的工作一直受限于跨研究的技术变异性。为解决这一问题，我们采用单细胞RNA测序分析策略，对来自22个数据集的7,612例乳腺癌 bulk 转录组进行了整合，生成了一个高分辨率图谱，可解析已知及此前未被识别的恶性转录状态。该框架识别了现有的内在亚型、微环境程序，以及新发现的干细胞样、基底-管腔祖细胞（BLP）、黏液性和神经内分泌分化（NED）亚型，每种亚型均表现出不同的临床行为。NED亚型表现出管腔特征、神经内分泌标志物表达，并与化疗-内分泌治疗预后不良相关。HER2E-激酶抑制剂敏感（HER2EKIS）亚型识别出从HER2靶向激酶抑制剂中获得高pCR率的患者。BLP肿瘤的转录组定位提示其与双潜能或肌上皮祖细胞相关，对化疗反应有限，并可能从VEGF和受体酪氨酸激酶抑制剂中获益。
该图谱细化了乳腺癌亚型分类，并为指导治疗和理解肿瘤起源提供了框架。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
