人类肺类癌转录组学分析数据集
该数据集包含人类肺类癌组织的多组学数据，涵盖靶向外显子测序、mRNA测序和DNA甲基化检测等多种分子模态，通过分析基因表达和表观遗传特征，揭示了三种具有不同临床特征的分子亚型，主要用于肺类癌的分子分型、生物标志物发现以及改善临床治疗决策的研究方向。
基本信息
资源简介
人类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
该数据集是一个针对人类肺类癌（Lung Carcinoids, LCs）的多组学数据集。肺类癌是一种罕见且生长缓慢的原发性肺部肿瘤，研究相对不足。数据集通过大块组织切割样本，进行了354个癌症基因靶向外显子测序（n=29）、mRNA测序（n=30）和DNA甲基化检测（n=18）。研究发现，突变主要富集于组蛋白共价修饰/染色质重塑（如MEN1、ARID1A、KMT2C和KMT2A基因反复突变）和DNA修复通路。基于基因表达和DNA甲基化谱的无监督聚类和主成分分析揭示了三种稳健的分子亚型（LC1、LC2、LC3），这些亚型具有不同的临床特征。其中，MEN1基因突变在LC2亚型中显著富集且为特有。LC3亚型主要见于支气管内肺部，且诊断年龄较早。通过ASCL1和S100两种生物标志物的免疫组化染色即可区分这三种亚型。该分子分类有助于改善肺类癌的治疗决策和临床管理。
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。
