临床蛋白质组肿瘤分析联盟数据集
CPTAC提供多癌种蛋白质组、基因组和转录组数据，适合蛋白基因组学和多组学整合分析。由National Cancer Institute提供，来自Proteomic Data Commons，包含多种数据模态，适用于分类任务，专注于肿瘤领域的癌症（总论）研究。
基本信息
资源简介
临床蛋白质组肿瘤分析联盟数据集
【一句话概览】
Proteomic Data Commons（PDC）提供开放获取的、经过协调的癌症蛋白质组学数据，并通过可视化关联和交叉引用连接基因组学与影像资源，帮助研究人员开展多组学发现。该资源涵盖7346名受试者，相关标签包括癌症、蛋白质组学、基因组学、影像、多组学、CPTAC及泛癌（来源 pdc.cancer.gov）。
【数据集背景】
本数据集源站标题为《Proteomic Data Commons (PDC)》。
【数据内容】
源站原始描述：Open access to harmonized cancer proteomic data, with visual connections and cross-references to genomic and imaging resources, helping researchers make multi-omic discoveries
中文译文（机器翻译，仅供快速理解，请以原文为准）：开放获取经过协调的癌症蛋白质组学数据，并与基因组学和影像学资源建立可视化关联和交叉引用，帮助研究人员实现多组学发现。
【主题与分类】
主题标签：cancer、proteomics、genomics、imaging、multi-omics、CPTAC、pan-cancer。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://pdc.cancer.gov/pdc/
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。
暂未开放有偿下载
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://pdc.cancer.gov/pdc/
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
CPTAC提供多癌种蛋白质组、基因组和转录组数据，适合蛋白基因组学和多组学整合分析。
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。
