P2M.db
P2M.db是一个包含单细胞和bulk转录组数据的癌症转移数据集，覆盖49种癌症类型和多种组织，用于癌症转录组和转移机制研究。
基本信息
资源简介
P2M.db
【一句话概览】
本数据集是 Hugging Face 公开的组学数据集，收录 716 个文件、合计 1.46 GB，主题涵盖 biology、transcriptomics、single-cell、cancer，可用于生物标志物发现与分子分型研究。
【数据集背景】
本数据集源站标题为《kmmuleelab/P2Mdb》。源站首次发布：2026-10-02。
【数据内容】
源站原始描述：P2M.db Transcriptomic data and available analyses for primary and metastatic cancers. This preparation contains 50 single-cell datasets (3,650,286 cells) and 86 bulk records (12,896 expression samples). Original study accessions are the folder names. The website is Collection statistics The collection covers 49 recorded cancer types and subtypes, 28 primary tissues, and 25 identified metastatic tissues. Broad diagnoses and subtypes are retained; only unambiguous naming synonyms are merged. Datas…
中文译文（机器翻译，仅供快速理解，请以原文为准）：# P2M.db 原发性和转移性癌症的转录组数据及可用分析。本数据准备包含50个单细胞数据集（3,650,286个细胞）和86条批量记录（12,896个表达样本）。原始研究的登录号即为文件夹名称。网站为 http://www.nidmarker-db.cn/P2M.db/ 。 采集统计 该采集涵盖49种已记录的癌症类型及亚型、28种原发组织和25种已识别的转移组织。广泛诊断和亚型均予以保留；仅合并无歧义的命名同义词。数据集计数指登录号，而非独立发表文献或患者。未知部位和歧义组织组合不计入独立组织总数。statistics/summary.json 记录队列、细胞和标本总数；statistics/mapping.csv 保存原始标签及其统计名称。statistics/frequencies.csv 在转移部位间按每个登录号对每个基因或通路计数一次，覆盖全部50个单细胞数据集。历史结果与新计算结果并存；这些均为描述性频率。恶性腹水和未明确作用的条目与实体瘤组织统计分开保留。完整表达矩阵保留所有已释放的细胞。 文件 scRNA-seq/ / 和 bulk/ / 均包含表达RDS、samples.csv、dataset.csv、qc.csv、processing_parameters.csv 以及可用的 analysis/ 目录。表达路径未发生变化。单细胞RDS包含细胞元数据和可用注释；批量RDS包含表达矩阵和标本元数据。analysis/ 按模块对结果进行分组：deg.csv、enrichment.csv 以及可用的互作、轨迹、功能评分、免疫和PPI表格。单细胞行在适用时标明其比较、转移组织和注释方法。comparisons.csv 定义每个比较并记录与已释放RDS的重叠情况。可用模块因研究而异。`intera…
主表 bulk/GSE100534/analysis/deg.csv 含 5 列、样本前 201 行结构完整。
主表 bulk/GSE100534/analysis/enrichment.csv 含 6 列、样本前 53 行结构完整。
主表 bulk/GSE100534/analysis/immune.csv 含 5 列、样本前 23 行结构完整。
【数据结构与技术规格】
文件数 716 个，合计 1.46 GB。
【主题与分类】
主题标签：biology、transcriptomics、single-cell、cancer。
【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。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。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。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/kmmuleelab/P2Mdb
【使用注意】
· 源站最后修改于 2026-10-08，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("kmmuleelab/P2Mdb")
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/kmmuleelab/P2Mdb
仓库文件结构
.gitattributesREADME.mdfiles.csvqc_fields.csvsources.csv
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。
