COPD、NSCLC及NSCLC合并COPD的基因表达矩阵与临床元数据
该数据集提供三组患者的基因表达矩阵与完整临床元数据，分别为单纯COPD、单纯NSCLC以及NSCLC合并COPD。原始RNA-seq数据来自NCBI-GEO，经统一处理、批次效应去除、去重、异常值过滤及分位数归一化至TPM并做log2转换
基本信息
资源简介
COPD、NSCLC及NSCLC合并COPD的基因表达矩阵与临床元数据
Gene expression matrix and clinical metadata for COPD, NSCLC, and NSCLC with COPD
该数据集提供三组患者的基因表达矩阵与完整临床元数据，分别为单纯COPD、单纯NSCLC以及NSCLC合并COPD。原始RNA-seq数据来自NCBI-GEO，经统一处理、批次效应去除、去重、异常值过滤及分位数归一化至TPM并做log2转换。矩阵包含19 848个蛋白编码基因（含1 133个线粒体相关基因）为行、样本为列。临床变量涵盖年龄、性别、吸烟包年、FEV1%、肿瘤分期、组织学等26个字段。数据可直接用于差异表达、WGCNA、机器学习分类/回归及线粒体功能分析，以识别共享或疾病特异的线粒体基因特征（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2001。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集提供三组患者的基因表达矩阵和全面的临床元数据：（i）单纯COPD，（ii）单纯NSCLC，以及（iii）NSCLC合并COPD。原始RNA-seq图谱从NCBI-GEO下载（登录号GSEXXXXX、GSEYYYYY、…），经统一处理（批次效应去除、去重、异常值过滤）并分位数归一化至TPM，随后进行log2转换。矩阵包含19 848个蛋白编码基因（包括1 133个线粒体相关基因）作为行，样本作为列。临床变量包含26个字段，如年龄、性别、吸烟包年、FEV1%、肿瘤分期、组织学等。干净、可直接使用的数据可用于差异表达、WGCNA、机器学习分类/回归以及以线粒体为中心的功能分析，旨在识别共享或疾病特异的线粒体基因特征。
【主题与分类】
主题标签：Clinical medicine、Oncology、Other disciplines of clinical medicine、COPD、NSCLC、mitochondria、RNA-seq、gene expression。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=c328cea70e0b4486b05589e58cf49f24
使用许可：Creative Commons Attribution 4.0 International。
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/10.57760/sciencedb.27559
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
该数据集提供了三组患者的基因表达矩阵和全面的临床元数据：(i) 单纯COPD，(ii) 单纯NSCLC，以及(iii) 伴有COPD共病的NSCLC。原始RNA-seq图谱从NCBI-GEO下载（登录号GSEXXXXX、GSEYYYYY、……），经过统一处理（批次效应去除、重复去除、异常值过滤），并进行分位数标准化至TPM，随后进行log2转换。该矩阵以19 848个蛋白编码基因（包括1 133个线粒体相关基因）为行，样本为列。临床变量包含26个字段，如年龄、性别、吸烟包年、FEV1 %、肿瘤分期、组织学等。这些干净、可直接使用的数据可用于差异表达、WGCNA、机器学习分类/回归以及以线粒体为重点的功能分析，旨在识别COPD–NSCLC共病背后共有或疾病特异性的线粒体基因特征。
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。
