ViSTA 乳腺癌亚型分型变异整合序列数据集
ViSTA data。本数据集为肿瘤领域公开数据集，由Zenodo提供，主题涵盖肿瘤。本数据集为肿瘤领域的基因组公开数据集，由Zenodo提供，主题涵盖肿瘤。
基本信息
资源简介
ViSTA 乳腺癌亚型分型变异整合序列数据集
ViSTA data 是一个面向肿瘤领域、聚焦乳腺癌的公开数据集，由 Zenodo 提供，来源站为 doi.org，作者为 Shakyawar, Sushil 与 Guda, Chittibabu，发布时间为 2026 年。该数据集是题为 “ViSTA: Variant-integrated Sequence Transformer Architecture learns DNA mutational contexts for breast cancer subtyping” 的手稿成果的一部分，围绕一种名为 ViSTA 的变异整合序列 Transformer 架构展开，旨在利用 DNA 突变上下文信息支持乳腺癌分型研究。数据集不仅包含用于微调 ViSTA 模型的输入数据，还包含预训练模型、微调模型、相关代码以及用于独立评估和下游测试的队列信息，整体结构较为完整，适合希望复现、评估或进一步开发乳腺癌分型方法的科研人员使用。
【数据集背景】
该数据集来源于一项关于乳腺癌分型的研究工作，其核心是 ViSTA（Variant-integrated Sequence Transformer Architecture）模型。根据源站描述，这一模型被设计用于学习 DNA 突变上下文，并服务于乳腺癌亚型识别任务。数据集作为该手稿的组成部分发布，说明其目的不仅是提供原始数据，还在于支撑模型训练、微调、评估与下游测试的完整流程。乳腺癌在肿瘤研究中具有重要地位，而基于突变上下文的分型方法有助于从序列层面刻画不同亚型之间的差异。ViSTA data 因此同时承载了方法学与数据资源两方面的价值。
【数据内容】
数据集包含多个文件夹。ft_ViSTA 为微调后的 ViSTA 模型；pt_ViSTA 为预训练的 ViSTA 模型；ViSTA-main 为 ViSTA 代码。Data 部分包含三类内容：第一，用于微调 ViSTA 模型的输入数据，即变异整合序列，来源于 TCGA-BRCA；第二，用于独立评估的 CPTAC 与 METABRIC 队列；第三，用于下游测试的 TNBC/non-TNBC 队列信息。上述内容覆盖了从模型训练到独立验证再到特定亚型测试的多个环节。
【采集与来源】
该数据集由 Zenodo 提供，来源站为 doi.org，作者为 Shakyawar, Sushil 与 Guda, Chittibabu，发布时间为 2026 年。数据所涉及的队列包括 TCGA-BRCA、CPTAC 与 METABRIC，其中 TCGA-BRCA 用于生成微调模型的输入数据，CPTAC 与 METABRIC 用于独立评估，TNBC/non-TNBC 队列信息用于下游测试。关于各队列的具体采集时间、样本量、纳入排除标准及伦理审批信息，源站未提供。
【适用场景】
该数据集适用于乳腺癌分型相关的计算研究，尤其是围绕 ViSTA 模型的预训练、微调、独立评估与下游测试。研究人员可以利用 pt_ViSTA 与 ft_ViSTA 分别获取预训练和微调模型，使用 ViSTA-main 中的代码进行复现或二次开发，并借助 Data 中的变异整合序列、CPTAC 与 METABRIC 队列以及 TNBC/non-TNBC 队列信息开展模型性能验证和亚型相关分析。其典型用途包括突变上下文建模、乳腺癌亚型分类以及跨队列评估。
【使用方法】
使用者可根据研究目的选择相应资源：若需复现模型训练流程，可使用 ViSTA-main 中的代码，并结合 Data 中基于 TCGA-BRCA 的变异整合序列对模型进行微调；若需直接使用模型，可选用 pt_ViSTA 或 ft_ViSTA；若需进行独立评估，可使用 CPTAC 与 METABRIC 队列；若需开展下游测试，可使用 TNBC/non-TNBC 队列信息。关于具体的运行环境、依赖版本、参数配置与操作步骤，源站未提供。
【质量与限制】
该数据集提供了预训练模型、微调模型、代码以及多队列数据，结构上支持从训练到评估的完整研究流程。其独立评估使用了 CPTAC 与 METABRIC 队列，下游测试聚焦 TNBC/non-TNBC，这有助于检验模型的泛化能力与特定亚型适用性。但关于数据规模、样本分布、缺失情况、批次效应、模型性能指标及外部验证结果，源站未提供。使用者应结合自身研究目的谨慎评估其适用性。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用、共享与改编。引用时需注明作者 Shakyawar, Sushil 与 Guda, Chittibabu，数据集名称 ViSTA data，来源站 doi.org，发布机构 Zenodo，发布时间 2026 年，并关联手稿标题 “ViSTA: Variant-integrated Sequence Transformer Architecture learns DNA mutational contexts for breast cancer subtyping”。关于具体引用格式与 DOI 编号，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://doi.org/10.5281/zenodo.17654141
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:
数据集大小约 374.6 MB。
数据说明
该数据集是以下标题手稿的一部分——“ViSTA：变异整合序列Transformer架构学习DNA突变上下文用于乳腺癌亚型分型”。该数据集包含以下文件夹——ft_ViSTA：微调后的ViSTA模型；pt_ViSTA：预训练的ViSTA模型；ViSTA-main：ViSTA代码；Data：1) 用于微调ViSTA模型的输入数据（变异整合序列，TCGA-BRCA）；2) 用于独立评估的CPTAC和METABRIC队列；3) 用于下游测试的TNBC/非TNBC队列信息。
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。
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。
