GDC MATCH-Q：基因组特征 CS-MATCH-0007 Arm Q
该数据集聚焦于多种肿瘤类型，涵盖宫颈癌等部位，收录了 35 例病例、852 个文件，总数据规模约 2911.5 GB。其数据由 NCI 基因组数据共享平台（Genomic Data Commons）进行协调处理，包含临床、生物样本、RNA 测序、全外显子测序、甲基化及影像等多层次信息，并区分开放获取
基本信息
资源简介
GDC MATCH-Q：基因组特征 CS-MATCH-0007 Arm Q
GDC MATCH-Q: Genomic Characterization CS-MATCH-0007 Arm Q 是一个面向肿瘤研究领域的公开基因组学数据集，归属于 MATCH 项目。该数据集聚焦于多种肿瘤类型，涵盖宫颈癌等部位，收录了 35 例病例、852 个文件，总数据规模约 2911.5 GB。其数据由 NCI 基因组数据共享平台（Genomic Data Commons）进行协调处理，包含临床、生物样本、RNA 测序、全外显子测序、甲基化及影像等多层次信息，并区分开放获取与受控获取层级，可供肿瘤基因组学与精准医学相关研究使用。
【数据集背景】
该数据集来源于 MATCH 项目，项目全称为 Genomic Characterization CS-MATCH-0007 Arm Q。MATCH 项目旨在对多种肿瘤开展基因组特征分析，本数据集即为其中 Arm Q 部分。其原发部位覆盖其他及未特指女性生殖器官、支气管和肺、宫颈、结肠、其他及未特指胆道等。疾病类型涉及肿瘤（NOS）、囊性、黏液性和浆液性肿瘤、腺瘤和腺癌、上皮性肿瘤（NOS）以及鳞状细胞肿瘤。数据集所属领域为肿瘤学，本站分类将其归入肿瘤 / 宫颈癌方向。
【数据内容】
数据集包含 35 例病例，共计 852 个文件，总大小约 2911.5 GB。数据模态涵盖临床数据、生物样本数据、RNA 测序数据、全外显子测序数据、甲基化数据以及影像数据。这些数据共同构成了对肿瘤样本的多组学表征，可用于探索基因组变异、表达特征、表观遗传修饰及影像表型之间的关联。主题标签包括 Neoplasms, NOS、Cystic, Mucinous and Serous Neoplasms、Adenomas and Adenocarcinomas、Epithelial Neoplasms, NOS 以及 Squamous Cell Neoplasms，反映了数据集所覆盖的肿瘤病理类型范围。
【采集与来源】
数据来源站为 portal.gdc.cancer.gov，即 NCI 基因组数据共享平台。该平台对癌症基因组学项目进行统一协调，提供标准化的临床、生物样本及多种组学数据。本数据集作为 MATCH 项目的一部分，由 GDC 进行协调处理，数据获取方式区分开放获取与受控获取两个层级，用户需根据数据层级遵循相应的访问流程。
【适用场景】
该数据集适用于肿瘤基因组学、精准医学及多组学整合研究。具体而言，可用于分析宫颈癌及其他相关肿瘤类型的基因组变异谱、RNA 表达特征、甲基化模式以及影像学表现；也可用于探索不同病理类型（如腺癌、鳞状细胞肿瘤、囊性/黏液性/浆液性肿瘤等）之间的分子差异。此外，由于包含临床与生物样本数据，还可支持生存分析、疗效相关标志物挖掘等转化研究。对于需要多模态数据融合的方法学研究，该数据集也提供了 RNA 测序、全外显子测序、甲基化和影像等多层次信息。
【使用方法】
用户可通过 portal.gdc.cancer.gov 访问该数据集。开放获取层级的数据可直接下载使用；受控获取层级的数据需按照 GDC 平台的相关要求申请访问权限。在使用时，建议根据研究目的选择相应的数据模态与文件类型，并注意临床、生物样本、组学及影像数据之间的对应关系。由于数据总量约 2911.5 GB，下载与存储需提前规划。具体的数据下载工具、文件格式说明及分析流程，源站未提供。
【质量与限制】
该数据集由 NCI 基因组数据共享平台协调处理，属于 harmonized 癌症基因组学项目，数据经过统一标准化。其样本量为 35 例病例，属于中等规模数据集，可能限制统计功效及罕见亚型分析。数据覆盖多种原发部位和疾病类型，但各类型的样本分布情况源站未提供。此外，数据获取分为开放与受控两个层级，部分数据可能无法直接获取。关于数据的具体质量评估指标、批次效应、缺失情况等，源站未提供。
【引用与许可】
该数据集的引用方式、许可条款及使用协议，源站未提供。用户在使用前应查阅 GDC 平台及 MATCH 项目的相关数据使用政策，并遵循开放获取与受控获取层级的具体要求。
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/MATCH-Q
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 3126.17 GB。
数据说明
GDC项目MATCH-Q（基因组特征分析 CS-MATCH-0007 Q组）。原发部位：其他及未特指的女性生殖器官、支气管和肺、子宫颈、结肠、其他及未特指的胆道部位。疾病类型：肿瘤，NOS、囊性、黏液性和浆液性肿瘤、腺瘤和腺癌、上皮性肿瘤，NOS、鳞状细胞肿瘤。项目：MATCH。病例数：35。文件数：852。总大小：2911.5 GB。NCI基因组数据共享统一癌症基因组学项目（临床、生物样本、RNA-Seq、WXS、甲基化和影像数据；开放和受控访问层级）。
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。
