PRJNA1290423：肺癌早期检测的全基因组循环ncRNA分析
肺癌仍是全球癌症相关死亡的主要原因，其中非小细胞肺癌（NSCLC）约占所有病例的85%。尽管低剂量计算机断层扫描（LDCT）等影像技术结合组织活检提高了早期检出率，但当前诊断方法常受限于高假阳性率、侵入性和辐射暴露，导致误诊和患者负担增加
基本信息
资源简介
PRJNA1290423：肺癌早期检测的全基因组循环ncRNA分析
PRJNA1290423 是一个聚焦于肺癌早期检测的基因组学数据集，其英文全称为“Profiling Genome-Wide Circulating ncRNAs for the Early Detection of Lung Cancer”。该数据集收录于 NCBI（美国国家生物技术信息中心）站点，在分类上归属于肿瘤领域的肺癌方向。数据集的核心目标围绕血浆来源的外泌体小非编码 RNA（sncRNA）展开，旨在探索可用于肺癌早期发现的无创或微创分子标志物。肺癌在全球范围内仍是癌症相关死亡的首要原因，其中非小细胞肺癌（NSCLC）约占全部病例的 85%。现有诊断手段如低剂量计算机断层扫描（LDCT）联合组织活检虽提升了早期检出率，但仍面临高假阳性率、侵入性操作以及辐射暴露等局限，容易造成误诊并加重患者负担。因此，该数据集所关注的血液外泌体 RNA 类液体活检标志物，具有明确的临床需求背景。数据集共包含 233 份去标识化的血浆样本，相关研究细节可参见 dbGaP 研究页面。
【数据集背景】
肺癌的临床诊疗长期面临早期发现困难的挑战。尽管影像学技术不断进步，低剂量计算机断层扫描（LDCT）结合组织活检已成为提高早期检出率的重要手段，但这些方法本身存在难以回避的短板。高假阳性率可能导致不必要的后续检查与患者焦虑，侵入性活检则带来操作风险与身体负担，而辐射暴露也是反复筛查中需要权衡的因素。这些局限共同导致误诊风险上升和患者负担增加。在此背景下，寻找微创、准确且安全的诊断生物标志物成为迫切需求，尤其是基于液体活检的血液外泌体 RNA 等方向。该数据集正是针对这一需求，将研究焦点放在血浆来源的外泌体小非编码 RNA 上，试图通过全基因组范围的循环 ncRNA 分析，为肺癌早期检测提供新的分子层面线索。
【数据内容】
该数据集的核心内容是对血浆来源的外泌体小非编码 RNA（sncRNA）进行全基因组范围的表达谱分析。所涉及的样本类型为去标识化的血浆样本，总数为 233 份。这些样本用于循环 ncRNA 的 profiling 研究，目标在于识别与肺癌早期检测相关的潜在标志物。数据集英文名称中“Genome-Wide Circulating ncRNAs”表明其分析范围覆盖全基因组的循环非编码 RNA，而非局限于少数候选分子。外泌体作为血浆中携带 RNA 的囊泡结构，其内含的 sncRNA 在细胞间通讯和疾病状态下可能发生特征性变化，因此成为液体活检研究的重要对象。该数据集围绕这一分子类别展开，但除样本数量和样本类型外，源站描述未提供更细化的 RNA 种类清单、测序平台或表达矩阵等具体内容。
【采集与来源】
该数据集的来源站为 ncbi.nlm.nih.gov，属于 NCBI 体系下的公开数据资源。数据集英文名称以“PRJNA1290423”为标识，表明其对应 BioProject 数据库中的一项注册项目。源站描述提及，相关研究细节可参见 dbGaP 研究页面，说明该数据集与 dbGaP（数据库 of Genotypes and Phenotypes）存在关联，可能涉及受控访问的人类遗传与表型数据。样本来源为血浆，且经过去标识化处理，共 233 份。关于样本采集的具体地点、时间跨度、受试者招募标准、伦理审批信息以及样本处理流程等，源站未提供。
【适用场景】
基于该数据集的设计目标，其适用场景主要集中在肺癌早期检测相关的生物标志物发现与验证研究。具体而言，研究人员可利用血浆外泌体 sncRNA 的全基因组表达谱，探索循环非编码 RNA 作为微创诊断标志物的潜力。由于当前 LDCT 与组织活检存在高假阳性率、侵入性和辐射暴露等局限，该数据集所代表的液体活检方向有望为开发更安全、更易重复采样的检测手段提供数据基础。此外，该数据集也可能适用于肺癌分子机制研究、外泌体 RNA 功能研究以及非小细胞肺癌（NSCLC）相关标志物的筛选。但需注意，源站描述未明确说明该数据集是否包含健康对照、良性肺病对照或不同分期的肺癌样本，因此其具体适用场景的边界尚无法从现有信息中完全确定。
【使用方法】
该数据集可通过 NCBI 来源站进行访问，其标识 PRJNA1290423 可用于在相关数据库中检索项目信息。源站描述提示，更多内容可参见 dbGaP 研究页面，表明部分数据可能通过 dbGaP 的受控访问机制获取。对于去标识化血浆样本的 sncRNA 表达数据，通常需要遵循相应数据库的数据使用协议和申请流程。然而，关于具体的数据下载格式、分析流程、推荐工具、参考基因组版本以及是否提供原始测序读长或处理后表达矩阵等，源站未提供。因此，使用者在获取数据前应直接查阅 NCBI 及 dbGaP 页面上的最新说明，以确认访问权限与技术要求。
【质量与限制】
该数据集包含 233 份去标识化血浆样本，样本数量在同类液体活检研究中具有一定规模，且聚焦于血浆外泌体 sncRNA 这一相对明确的分子类型。然而，源站描述未提供关于样本质量、测序深度、数据完整性、批次效应控制或验证实验等信息。此外，该数据集是否包含完整的临床注释（如分期、病理类型、吸烟史等）也未在现有信息中说明。由于肺癌早期检测研究对对照设置和人群代表性要求较高，缺乏这些细节可能限制数据集的直接复用与结论外推。使用者需注意，该数据集目前所呈现的信息主要来自源站描述，其质量评估需结合 dbGaP 页面上的完整元数据与数据使用条款进行判断。
【引用与许可】
该数据集的引用应遵循 NCBI 及 dbGaP 的官方要求。数据集英文名称为“PRJNA1290423: Profiling Genome-Wide Circulating ncRNAs for the Early Detection of Lung Cancer”，来源站为 ncbi.nlm.nih.gov。源站描述中提及“for more see dbGaP study page”，表明 dbGaP 研究页面可能包含更详细的引用指南、数据使用协议和许可条款。关于具体的许可类型、是否允许商业使用、是否需要签署数据使用协议以及如何正确标注数据来源，源站未提供。使用者应直接访问 NCBI BioProject 页面和 dbGaP 研究页面，获取最新的引用格式与许可信息。
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://ncbi.nlm.nih.gov/bioproject/PRJNA1290423
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
肺癌仍是全球癌症相关死亡的主要原因，其中非小细胞肺癌（NSCLC）约占所有病例的85%。尽管低剂量计算机断层扫描（LDCT）等影像技术结合组织活检提高了早期检出率，但当前的诊断方法常受限于高假阳性率、侵入性和辐射暴露，从而导致误诊并增加患者负担。因此，迫切需要微创、准确且安全的诊断生物标志物，尤其是来自液体活检的生物标志物，如基于血液的外泌体RNA。本数据集专门聚焦于血浆来源的外泌体小非编码RNA（sncRNA）。共233份去标识化血浆样本……（更多内容见dbGaP研究页面。）
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。
