非小细胞肺癌121对肿瘤与非肿瘤组织的比较基因组杂交研究
该数据集来自omicsdi.org，针对非小细胞肺癌（NSCLC）患者，包含121对肿瘤与非肿瘤组织的比较基因组杂交数据，并涉及突变分析、基因表达和miRNA微阵列分析
基本信息
资源简介
非小细胞肺癌121对肿瘤与非肿瘤组织的比较基因组杂交研究
该数据集聚焦于非小细胞肺癌（NSCLC）的分子层面研究，旨在通过系统生物学视角审视当前的临床分类体系。研究针对非小细胞肺癌患者，采集了121对肿瘤与非肿瘤组织样本，采用比较基因组杂交（CGH）技术，并结合突变分析、基因表达谱和miRNA微阵列分析，试图从DNA、RNA及miRNA多个层面寻找能够区分不同临床病理实体的分子标志物。数据集来源于omicsdi.org，归类于肿瘤/肺癌主题，主题标签为Transcriptomics，为探索多组学数据整合在肺癌临床评估中的价值提供了基础资源。
【数据集背景】
非小细胞肺癌（NSCLC）是导致癌症死亡的主要原因之一，其本身并非单一疾病，而是一组异质性很强的肿瘤集合，主要包括鳞状细胞癌（SCC）、腺癌（AC）和大细胞癌（LCC）等亚型。当前临床分类主要依赖病理形态学特征，但同一分类下的肿瘤在分子层面可能存在显著差异，这促使研究者尝试从系统生物学角度重新审视现有分类的合理性。该数据集正是围绕这一目标构建，通过对配对肿瘤与非肿瘤组织进行多层面分子 profiling，探索分子标志物与临床病理实体之间的关联，以期为更精准的临床评估提供依据。
【数据内容】
数据集的核心内容是比较基因组杂交（CGH）数据，覆盖121对肿瘤与非肿瘤组织样本。除CGH外，研究还涉及突变分析、基因表达微阵列和miRNA微阵列分析，构成多组学数据集合。源站描述指出，在DNA、RNA和miRNA三个层面上，均能识别出可显著区分不同NSCLC临床病理实体的分子标志物。主题标签为Transcriptomics，表明转录组层面数据是其中的重要组成部分。样本来自非小细胞肺癌患者，配对设计使得每个患者的肿瘤组织与非肿瘤组织可以相互对照，有助于识别肿瘤特异性的分子改变。
【采集与来源】
数据集英文名称明确其来源为“Comparative genomic hybridization by array of 121 paired tumor and non-tumor tissue samples from patients with non-small cell lung carcinoma”。数据发布在omicsdi.org平台，本站分类为肿瘤/肺癌。源站描述中提及“Patients and Methods”部分，说明研究对123对肿瘤与非肿瘤组织样本进行了比较基因组杂交、突变分析、基因表达和miRNA微阵列分析。需要注意的是，数据集名称中样本数为121对，而源站描述中提及123对，两者存在差异，具体以源站原始记录为准。其余关于采集时间、地点、伦理审批等信息，源站未提供。
【适用场景】
该数据集适用于非小细胞肺癌的分子分型研究、多组学整合分析方法的开发与验证，以及探索DNA、RNA、miRNA多层面分子标志物与临床病理分类之间关系的研究。由于包含配对肿瘤与非肿瘤组织，也可用于识别肿瘤特异性基因组变异和表达改变。对于希望从系统生物学角度重新评估NSCLC临床分类的研究者，该数据集提供了多层面分子数据支持。此外，在转录组学主题下，基因表达和miRNA微阵列数据可用于差异表达分析、分子标志物筛选等常见分析流程。
【使用方法】
源站未提供具体的数据使用说明、文件格式、预处理步骤或分析工具推荐。使用者需参考omicsdi.org平台上该数据集的原始记录，获取数据下载方式、文件组织结构和相关分析文档。通常此类多组学数据需要结合相应的生物信息学工具进行处理，如CGH数据分析、微阵列数据归一化、差异表达分析及多组学整合方法等，但具体操作应依据源站提供的说明进行。
【质量与限制】
源站未提供关于数据质量评估、样本纳入排除标准、技术重复、批次效应控制等方面的详细信息。数据集名称与源站描述中样本数量存在121对与123对的差异，使用者需注意核对。此外，源站描述在“Conclusions”处截断，未提供完整结论，因此无法获知研究最终的全部发现和局限性说明。其他关于数据完整性、缺失值处理、平台信息等，源站未提供。
【引用与许可】
源站未提供该数据集的引用格式、许可协议或使用条款。使用者应访问omicsdi.org上该数据集的原始页面，获取准确的引用信息和许可要求。
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。
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://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-1133
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
非小细胞肺癌（NSCLC）是癌症死亡的主要原因之一，代表了一组异质性肿瘤，主要包括鳞状细胞癌（SCC）、腺癌（AC）和大细胞癌（LCC）。本研究旨在从系统生物学角度深入理解当前的临床分类。患者与方法：对123对来自NSCLC患者的肿瘤及非肿瘤组织样本进行了比较基因组杂交，随后进行了突变分析、基因表达和miRNA微阵列分析。采用综合系统生物学方法，我们试图探究结合不同生物学层次的数据是否能改善NSCLC的临床评估。结果：在DNA、RNA和miRNA水平上，我们均能识别出显著区分NSCLC各种临床病理实体的分子标志物。结论：我们报告了有助于区分NSCLC肿瘤亚型（即使在小型活检中）的不同分子谱的证据。121次CGH实验采用双色法，使用长寡核苷酸Agilent Human Genome CGH 244K芯片（设计014693），并以性别匹配的DNA参考（Promega）进行。
由于噪声过多，已丢弃10个配置文件。分析中仅使用了111个配置文件。
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。
