61例NSCLC患者DNA与RNA测序数据集
数据来源于ncbi.nlm.nih.gov，可用于肺癌基因组与转录组层面的研究分析（来源 NCBI）。BioProject 是源自单一组织或联盟、与单一计划相关的生物数据集合
基本信息
资源简介
61例NSCLC患者DNA与RNA测序数据集
PRJNA1471442 是一个公开的生物学研究项目记录，英文全称为 DNA and RNA Sequencing of 61 NSCLC patients，对应 NCBI BioProject 数据库中编号为 1471442 的项目。该项目聚焦于非小细胞肺癌（NSCLC）患者样本的 DNA 与 RNA 测序，共涉及 61 例患者。从数据分类来看，它归属于肿瘤 / 肺癌方向，主题标签为原始测序读段（Raw sequence reads）。该数据集为肺癌在基因组与转录组层面的研究分析提供了原始数据基础，适合关注肺癌分子机制、突变特征以及基因表达谱的研究人员参考使用。项目来源为 ncbi.nlm.nih.gov，属于 NCBI 生物项目管理体系下的一个正式记录。
【数据集背景】
BioProject 是 NCBI 提供的一种生物数据组织方式，用于汇集与单一研究计划相关的多种类型生物数据。按照其定义，一个 BioProject 记录源自单一组织或联盟，并围绕同一项研究倡议展开。它的作用是为用户提供一个统一的入口，以便查找该项目所产生的各类数据链接。PRJNA1471442 正是在这一框架下建立的，其研究主题明确指向非小细胞肺癌患者样本的 DNA 与 RNA 测序，属于肿瘤学研究领域中的肺癌分支。
【数据内容】
该数据集的核心内容是针对 61 名非小细胞肺癌患者开展的 DNA 测序与 RNA 测序。主题标签标明其数据形态为原始测序读段，意味着数据以测序仪直接产出的读段形式存在，而非经过深度加工的分析结果。DNA 测序通常用于揭示基因组层面的变异信息，RNA 测序则用于反映转录组层面的基因表达状况。两者结合，可为同一批患者样本提供基因组与转录组两个维度的原始数据。关于具体的测序平台、读长、覆盖深度、样本处理方式以及数据文件的具体格式和大小，源站未提供。
【采集与来源】
该数据集的来源站为 ncbi.nlm.nih.gov，记录标识为 BioProject ID 1471442。项目英文名称直接说明了样本来源与测序类型，即 61 例 NSCLC 患者的 DNA 和 RNA 测序。BioProject 作为数据集合，其记录本身并不一定直接存放所有原始数据文件，而是提供指向不同数据类型所在位置的链接。关于样本采集地点、采集时间、机构名称、伦理审批信息以及患者临床背景等细节，源站未提供。
【适用场景】
基于其数据构成，该数据集可用于肺癌基因组与转录组层面的研究分析。在基因组方向，可围绕 DNA 测序读段开展变异检测、突变谱分析等探索；在转录组方向，可利用 RNA 测序读段进行基因表达定量、差异表达分析或融合基因探测等。由于涉及 61 例非小细胞肺癌患者，该数据也适合用于队列层面的比较研究，例如探索不同患者之间在基因组变异或表达模式上的异质性。此外，该数据可作为方法学研究的测试数据，用于评估比对、变异识别或表达定量流程的表现。具体适用场景需结合数据实际质量和样本注释信息判断，源站未提供相关细节。
【使用方法】
使用该数据集时，通常需要先通过 NCBI BioProject 记录页面获取项目入口，再根据页面提供的链接定位到具体的原始测序读段数据。原始读段一般以 FASTQ 等格式提供，可下载后用于后续生物信息学分析。常见流程包括质控、比对到参考基因组、变异检测或表达定量等步骤。由于该记录的主题标签为原始测序读段，使用者应预期需要自行完成从读段到生物学结论的分析过程。关于下载方式、数据量、是否提供受控访问以及具体分析建议，源站未提供。
【质量与限制】
该数据集为 BioProject 记录，其描述强调该项目汇集了与单一研究计划相关的生物数据，并提供统一查找入口。数据本身为原始测序读段，尚未经过统一的深度加工或注释。关于数据质量指标，如测序质量值分布、污染情况、重复率、样本完整性等，源站未提供。关于样本的临床信息、分期、治疗背景及随访数据，源站未提供。此外，该记录未说明数据是否完全公开、是否存在使用限制或受控访问要求。使用者在分析前应自行评估数据质量与适用性。
【引用与许可】
该数据集的来源站为 ncbi.nlm.nih.gov，记录标识为 BioProject ID 1471442，英文名称为 PRJNA1471442: DNA and RNA Sequencing of 61 NSCLC patients。关于具体的引用格式、许可条款、使用协议以及是否需要获得额外授权，源站未提供。使用者在引用或再利用该数据时，应访问 NCBI BioProject 记录页面，以获取最新的引用与许可信息。
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/PRJNA1471442
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
融合衍生的新抗原为非小细胞肺癌（NSCLC）的免疫治疗提供了一种有前景的替代方案，尤其适用于免疫冷肿瘤。我们使用DNBSEQ-G400测序仪（MGI，中国）对61例NSCLC患者的肿瘤及配对正常样本进行了DNA和RNA测序，采用100-bp双端读长。我们的整合工作流程实现了融合基因检测、新抗原预测和功能验证，旨在改进新抗原筛选和疫苗设计。
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。
