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
模态
基因组
大小
0.1 GB
许可
Apache-2.0
创建/更新时间
2025-08-04
资源简介
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。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 癌症（总论） 的高质量、多模态真实临床数据定制解决方案。
