GDC-QAG基因突变数据集
包含约560万癌症体细胞突变及19606个基因的数据集，用于查询增强生成。
基本信息
资源简介
GDC-QAG基因突变数据集
【数据集背景】
本数据集源站标题为《uc-ctds/GDC-QAG-genes-mutations》。源站首次发布：2025-07-22。
【数据内容】
源站原始描述：# Dataset Card for `uc-ctds/GDC-QAG-genes-mutations` This dataset contains genes and somatic mutations observed in various cancers. It is scraped from the `/ssms` endpoint in the Genomic Data Commons (GDC). This data is used to run the Query Augmented Generation (GDC) tool on the GDC. **GDC QAG** is currently deployed in the HuggingFace Spaces as a web app. ## Dataset Details ### Dataset Description This dataset contains around 5.6 million somatic mutations (protein variants) observed in n=19…
文件 LICENSE.txt 为文本内容，开头为：Apache License Version 2.0, January 2004 http://www.apache.org/licenses/ TERMS AND CONDITIONS FOR USE, R…
文件 NOTICE.txt 为文本内容，开头为：Copyright 2022-2025 University of Chicago Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with …
【数据结构与技术规格】
文件数 3 个，合计 97.11 MB。
【主题与分类】
主题标签：language:en、license:apache-2.0、size_categories:n<1K、format:text、modality:text、library:datasets、library:mlcroissant、region:us。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://huggingface.co/datasets/uc-ctds/GDC-QAG-genes-mutations
使用许可：apache-2.0。
【使用注意】
· 源站最后修改于 2025-08-04，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("uc-ctds/GDC-QAG-genes-mutations")
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/uc-ctds/GDC-QAG-genes-mutations
数据说明
该数据集包含约560万个在各种癌症中观察到的体细胞突变（蛋白质变异），涉及19606个基因，以表格形式存储，用于支持查询增强生成（GDC）工具，由Genomic Data Commons API抓取，适用于癌症基因组学研究。
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))
完整数据卡：huggingface.co/datasets/uc-ctds/GDC-QAG-genes-mutations
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。
