LinkedOmics葡萄膜黑色素瘤数据集

LinkedOmics整理的TCGA-UVM多组学数据,可用于葡萄膜黑色素瘤基因表达、临床关联和预后分析。包含多种数据模态,包含80条数据记录,适用于分类任务,专注于肿瘤领域的眼黑色素瘤研究。

LinkedOmicsLinkedOmics
LinkedOmics
浏览 19
多模态分类Uveal MelanomaTCGA-UVMmulti-omicsClinicalMethylationmiRNAMutationRNAseqSCNV
LinkedOmics TCGA-UVM

基本信息

模态
多模态
数据量
80
任务类型
分类
创建/更新时间
2026-09-27

资源简介

LinkedOmics葡萄膜黑色素瘤数据集

【一句话概览】

LinkedOmics 数据下载门户提供葡萄膜黑色素瘤(TCGA-UVM)数据集,用于在 32 种癌症类型内部及之间分析多组学数据。该数据集受试者数为 80,涵盖临床、甲基化、miRNA、突变、RNAseq 和 SCNV 等数据类型,标签包括 Uveal Melanoma、TCGA-UVM、multi-omics、Clinical、Methylation、miRNA、Mutation、RNAseq、SCNV(来源 linkedomics.org)。

【数据集背景】

本数据集源站标题为《Datasets for Uveal Melanoma (TCGA-UVM)》。

【数据内容】

源站原始描述:LinkedOmics :: Data Download LinkedOmics Analyzing multi-omics data within and across 32 cancer types Data Download Portal <- Explore LinkedOmics Datasets Cohort Overview Datasets for Uveal Melanoma (TCGA-UVM)

中文译文(机器翻译,仅供快速理解,请以原文为准):LinkedOmics :: 数据下载 LinkedOmics 分析32种癌症类型内部及跨类型多组学数据 数据下载门户 <- 探索LinkedOmics数据集 队列概览 葡萄膜黑色素瘤数据集(TCGA-UVM)

【主题与分类】

主题标签:Uveal Melanoma、TCGA-UVM、multi-omics、Clinical、Methylation、miRNA、Mutation、RNAseq、SCNV。

【适用方向】

多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。

【获取与许可】

源站页面:https://www.linkedomics.org/data_download/TCGA-UVM/

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://www.linkedomics.org/data_download/TCGA-UVM/

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

LinkedOmics整理的TCGA-UVM多组学数据,可用于葡萄膜黑色素瘤基因表达、临床关联和预后分析。

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。

获取专属数据定制方案