肺类癌转录组学分析数据集
该数据集是一个包含肺类癌患者基因测序、转录组测序和DNA甲基化检测的多组学数据集，数据模态涵盖基因组、转录组和表观基因组数据，主要用于研究肺类癌的分子特征、识别不同的分子亚型及其与临床特征的关系，为类癌肿瘤的精准分型、预后评估和治疗策略制定提供科学依据。
基本信息
资源简介
肺类癌转录组学分析数据集
【数据集背景】
本数据集源站标题为《Transcriptomic profiling of human Lung Carcinoids (LCs)》。源站首次发布：2022-02-20。
【数据内容】
源站原始描述：Lung carcinoids (LCs) are rare and slow growing primary lung neoplasms that are understudied. Here, we performed targeted exome sequencing using a 354-cancer gene panel (n=29), mRNA sequencing (n=30) and DNA methylation assay (n=18) on macro-dissected lung carcinoids. The mutations we identified were enriched for genes involved in covalent histone modification/chromatin remodeling (34.5%) (MEN1, ARID1A, KMT2C and KMT2A were recurrently mutated) as well as DNA repair (17.2%) pathways. Unsupervise…
【主题与分类】
主题标签：人、Lung、Pulmonary neuroendocrine cells、转录组。
【获取与许可】
源站页面：http://data.iscr.ac.cn/Article?id=9615f0a8ca3f2960e08d6ec4c60465b8
使用许可：openSource。
规范引用：PMID: 31300474
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
源站：http://data.iscr.ac.cn/Article?id=9615f0a8ca3f2960e08d6ec4c60465b8
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
该数据集是针对肺类癌（一种罕见且生长缓慢的原发性肺部肿瘤）的多组学研究数据集。数据集包含29例样本的354个癌症基因靶向外显子测序数据、30例样本的mRNA测序数据以及18例样本的DNA甲基化检测数据。通过多组学分析发现了与共价组蛋白修饰/染色质重塑（34.5%）和DNA修复（17.2%）通路相关的基因突变，并识别出三个具有不同临床特征的分子亚型（LC1、LC2、LC3）。其中LC2亚型富集MEN1基因突变，LC3亚型主要见于支气管内且发病年龄较早。研究还发现ASCL1和S100两种生物标志物的免疫组化染色可用于区分这三种亚型。该数据集为肺类癌的分子分型、治疗决策和临床管理提供了重要依据。
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。
