PRJNA913438：乳腺癌全基因组测序数据

数据集获取

源站：https://ncbi.nlm.nih.gov/bioproject/PRJNA913438

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

乳腺癌是全球最常见的癌症，而伴有转移的晚期乳腺癌在当前可用疗法下基本无法治愈。因此，理解乳腺癌癌变进展过程中的分子特征至关重要。在此，我们报告了一个来自人乳腺上皮细胞（HMEC）系统的全基因组数据集，该系统来源于乳房缩小整形术标本。该系统包括处于停滞前状态的184D细胞（被认为是正常细胞），以及沿癌症进展系列的七个细胞系，这些细胞系或已永生化，或额外获得了锚定非依赖性生长（AIG）能力。我们对全基因组测序数据（WGS）的分析表明，与184D细胞相比，这七个癌症进展系列细胞具有的体细胞突变数量范围从8，393到39，564个（平均为30，591个）。这些WGS数据及我们的突变分析将为识别驱动突变和阐明乳腺癌癌变的分子机制提供有用信息。

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。