cBioPortal公共数据库
cBioPortal公共数据库快照，包含癌症临床、基因组和突变数据，用于癌症基因组学分析。
基本信息
资源简介
cBioPortal公共数据库
【数据集背景】
本数据集源站标题为《cBioPortal/publicDatabase》。源站首次发布：2026-08-27。
【数据内容】
源站原始描述：# cBioPortal Public Database A weekly Parquet snapshot of the public cBioPortal ClickHouse database. Each database table is exposed as a separate dataset configuration so it can be browsed independently in the Hugging Face Dataset Viewer. ## Current snapshot - Database schema version: `3.0.0` - ClickHouse version: `26.4.1.2359` - Tables: 60 Only the latest successfully published snapshot is present on `main`. Source files and past snapshots are available from the [cBioPortal Public Database Dump…
【数据结构与技术规格】
文件数 63 个，合计 86.65 GB。
【主题与分类】
主题标签：language:en、license:agpl-3.0、size_categories:10B<n<100B、format:parquet、format:optimized-parquet、modality:tabular、modality:text、library:datasets、library:pandas、library:polars。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://huggingface.co/datasets/cBioPortal/publicDatabase
使用许可：agpl-3.0。
【使用注意】
· 源站最后修改于 2026-09-14，引用时请注意版本时效。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("cBioPortal/publicDatabase")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/cBioPortal/publicDatabase
数据说明
cBioPortal公共数据库的Parquet快照，包含癌症研究相关的临床、基因组和突变数据表，以表格形式存储，适用于癌症基因组学分析和临床研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
