GDC CGCI-HTMCP-CC：HIV阳性肿瘤分子特征项目-宫颈癌
该数据集来自GDC项目CGCI-HTMCP-CC，聚焦HIV阳性肿瘤分子特征项目中的宫颈癌，原发部位为子宫颈。项目包含212例病例、7160个文件，总大小90384.8 GB，提供临床、生物样本、RNA-Seq、WXS、甲基化和影像数据，并区分开放与受控访问层级，可用于宫颈癌分子特征与基因组分析研究
基本信息
资源简介
GDC CGCI-HTMCP-CC：HIV阳性肿瘤分子特征项目-宫颈癌
GDC CGCI-HTMCP-CC（HIV+ Tumor Molecular Characterization Project - Cervical Cancer）是一个聚焦于HIV阳性人群中宫颈癌分子特征的肿瘤基因组学数据集，来源于NCI基因组数据共享平台（GDC）。该数据集原发部位为子宫颈，属于CGCI项目框架下的协调化癌症基因组学资源，涵盖临床信息、生物样本数据、RNA-Seq、全外显子测序（WXS）、甲基化及影像数据，并区分开放访问与受控访问层级。数据集共包含212例病例、7160个文件，总大小约90384.8 GB，可用于宫颈癌分子特征与基因组分析研究，尤其面向HIV阳性相关宫颈癌的分子机制探索。
【数据集背景】
该数据集隶属于CGCI（Cancer Genome Characterization Initiative）项目，具体为HIV+ Tumor Molecular Characterization Project中的宫颈癌部分。其英文全称为GDC CGCI-HTMCP-CC: HIV+ Tumor Molecular Characterization Project - Cervical Cancer。项目聚焦于HIV阳性肿瘤的分子特征刻画，原发部位明确为子宫颈（Cervix uteri）。疾病类型涵盖上皮性肿瘤（NOS）、腺瘤与腺癌、复杂性上皮性肿瘤以及鳞状细胞肿瘤。该数据集在GDC平台上的分类为肿瘤/宫颈癌，旨在为HIV阳性相关宫颈癌的分子机制研究提供协调化的基因组学数据支持。
【数据内容】
数据集包含多种类型的组学与临床数据，具体涵盖临床信息、生物样本数据、RNA-Seq、全外显子测序（WXS）、甲基化数据以及影像数据。数据访问分为开放访问与受控访问两个层级，以满足不同数据敏感性和使用规范的要求。数据集共包含212例病例，对应7160个文件，总大小约为90384.8 GB。主题标签包括上皮性肿瘤（NOS）、腺瘤与腺癌、复杂性上皮性肿瘤以及鳞状细胞肿瘤，反映了该数据集在肿瘤病理类型上的覆盖范围。
【采集与来源】
该数据集来源于portal.gdc.cancer.gov，即NCI基因组数据共享平台（Genomic Data Commons，GDC）。GDC是一个协调化癌症基因组学项目平台，负责整合和分发癌症基因组数据。本数据集作为GDC项目CGCI-HTMCP-CC的一部分，其数据采集与协调化流程由GDC平台支持。源站描述中未提供具体的样本采集时间、地点、机构或伦理审批信息。
【适用场景】
该数据集适用于宫颈癌分子特征与基因组分析研究，尤其聚焦于HIV阳性人群中的宫颈癌。具体应用场景包括：基于RNA-Seq的表达分析、基于WXS的外显子变异分析、基于甲基化数据的表观遗传分析，以及结合影像数据的多模态研究。此外，临床与生物样本数据的整合可用于探索分子特征与临床表型之间的关联。由于数据区分开放与受控访问层级，受控访问数据可能适用于涉及个体层面遗传信息的研究。
【使用方法】
用户可通过GDC门户（portal.gdc.cancer.gov）访问该数据集。开放访问层级的数据可直接获取，受控访问层级的数据需按照GDC平台的数据访问规范申请授权。数据集包含的文件类型涵盖临床、生物样本、RNA-Seq、WXS、甲基化和影像数据，用户可根据研究需求选择相应的数据层级和文件类型进行下载与分析。源站未提供具体的数据下载工具、分析流程或软件推荐。
【质量与限制】
该数据集由GDC平台进行协调化处理，属于NCI基因组数据共享项目的一部分，数据经过标准化协调。数据集包含212例病例和7160个文件，总大小约90384.8 GB，规模较大。数据访问分为开放与受控两个层级，受控访问数据的使用可能受到伦理和隐私相关限制。源站未提供关于数据缺失率、样本质量评估、批次效应或技术偏差的具体信息。
【引用与许可】
源站未提供具体的引用格式、许可协议或使用条款信息。用户在使用该数据集时，应参考GDC平台的相关数据使用政策和访问规范。
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。
需登录公开下载
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。
暂未开放有偿下载
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：https://portal.gdc.cancer.gov/projects/CGCI-HTMCP-CC
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:
数据集大小约 97049.93 GB。
数据说明
GDC project CGCI-HTMCP-CC (HIV+ Tumor Molecular Characterization Project - Cervical Cancer). Primary site: Cervix uteri. Disease type: Epithelial Neoplasms, NOS, Adenomas and Adenocarcinomas, Complex Epithelial Neoplasms, Squamous Cell Neoplasms. Program: CGCI. Cases: 212. Files: 7,160. Total size: 90384.8 GB. NCI Genomic Data Commons harmonized cancer genomics project (clinical, biospecimen, RNA-Seq, WXS, methylation and imaging data; open and controlled access tiers).
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。
