PhIP-Seq CORSA队列结直肠癌、腺瘤与对照分析数据集
数据包含本项目每个分析样本由测序机构提供的Bam测序原始文件，主题涵盖医学、健康与生命科学、癌症及PhIP-Seq。该数据可用于结直肠癌、腺瘤与对照之间的分类分析及相关研究（来源 DOI 解析）
基本信息
资源简介
PhIP-Seq CORSA队列结直肠癌、腺瘤与对照分析数据集
PhIP-Seq CORSA cohort CRC versus Adenoma versus Controls analysis 是一个面向肿瘤学与结肠癌研究的公开数据集，由 Innocenti, Gabriel 提交至 Harvard Dataverse，发布时间为 2026 年，来源站为 doi.org。该数据集围绕结直肠癌（CRC）、腺瘤与对照三组之间的分类分析展开，主题涵盖医学、健康与生命科学、癌症以及 PhIP-Seq 技术。数据内容为本项目中每个分析样本由测序机构提供的 Bam 测序原始文件，可用于结直肠癌、腺瘤与对照之间的分类分析及相关研究。整体而言，该数据集为基于 PhIP-Seq 的结直肠癌早期鉴别与分类研究提供了原始测序层面的数据基础，适合具备生物信息学处理能力的研究者使用。
【数据集背景】
结直肠癌是全球范围内常见的恶性肿瘤之一，腺瘤作为其重要的癌前病变，在临床筛查与早期干预中具有关键意义。如何在分子层面区分结直肠癌、腺瘤与健康对照，是肿瘤标志物发现与早期诊断研究的重要方向。PhIP-Seq（噬菌体免疫沉淀测序）技术通过高通量展示肽段库并结合血清抗体 profiling，为大规模样本的免疫反应特征比较提供了手段。该数据集正是围绕 CORSA 队列中结直肠癌、腺瘤与对照三组的比较分析而建立，属于肿瘤 / 结肠癌分类研究范畴，主题标签涵盖医学、健康与生命科学、癌症及 PhIP-Seq，体现了免疫测序技术在消化道肿瘤研究中的应用方向。
【数据内容】
数据集的核心内容为测序原始文件，具体为 Bam 格式的测序数据。按照源站描述，这些文件是本项目中所分析的每一个样本由测序机构提供的 Bam 测序原始文件。也就是说，数据以样本为单位组织，覆盖本项目全部纳入分析的样本，格式为测序机构直接产出的 Bam 文件，属于未经进一步加工的下游分析前数据形态。数据集英文名称中明确体现了 CRC、Adenoma 与 Controls 三组比较的分析设计，因此样本层面应涵盖结直肠癌、腺瘤与对照三类来源。关于样本数量、分组规模、测序平台、读长、文件体积等具体参数，源站未提供。
【采集与来源】
数据来源于 doi.org 所指向的存储库，提交机构为 Harvard Dataverse，作者为 Innocenti, Gabriel，发布时间为 2026 年。测序数据由测序机构产生，并按样本逐一提供给项目，随后作为本项目的数据集对外发布。数据集的分类归属为肿瘤 / 结肠癌，主题标签包括 Medicine, Health and Life Sciences、Cancer 与 PhIP-Seq。关于样本采集地点、伦理审批信息、测序机构名称及具体建库方法，源站未提供。
【适用场景】
该数据集适用于结直肠癌、腺瘤与对照之间的分类分析及相关研究。具体而言，可支撑基于 PhIP-Seq 数据的组间比较、分类模型构建与验证、候选标志物筛选等研究方向，也可作为方法学研究中复现或基准测试的原始数据来源。由于数据为 Bam 格式的测序原始文件，使用者需要先完成比对文件处理、计数汇总等上游步骤，才能进入统计与机器学习分析环节。关于该数据集在其他疾病领域或非 PhIP-Seq 场景下的适用性，源站未提供。
【使用方法】
使用该数据集时，通常需要从 doi.org 指向的 Harvard Dataverse 记录获取 Bam 文件，按样本组织后进行测序数据处理，包括比对结果的质量评估、读段计数与样本层面的汇总，再结合数据集中结直肠癌、腺瘤与对照的分组信息开展差异分析与分类建模。由于原始 Bam 文件体量通常较大，建议在具备相应计算与存储资源的环境中处理。关于具体的处理流程参数、推荐工具链及分组标签的组织方式，源站未提供。
【质量与限制】
数据为测序机构提供的原始 Bam 文件，其质量取决于测序与建库过程，使用前应进行常规的测序质量评估。数据集名称表明其分析目标为三组分类比较，但样本量、组间平衡性、批次效应等信息源站未提供，使用者在解释分类结果时需谨慎。此外，原始测序文件不包含可直接用于统计分析的汇总矩阵，需要使用者自行完成上游处理。关于数据是否存在缺失样本、重复样本或质控未通过样本的情况，源站未提供。
【引用与许可】
使用该数据集时应引用作者 Innocenti, Gabriel 及 Harvard Dataverse 上的对应记录，并通过 doi.org 上的 DOI 进行定位与引用。关于该数据集的具体许可条款、使用限制与再分发条件，源站未提供，使用者在下载与使用前应自行查阅存储库记录中的许可说明。
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：https://doi.org/10.7910/DVN/CFETZP
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 54.29 GB。
数据说明
本项目所分析的每个样本从测序机构获得的Bam测序原始文件
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。
