PRJNA1472436：非小细胞肺癌及脑转移瘤与配对白细胞AluScan测序
该数据集为NCBI BioProject编号PRJNA1472436，收录非小细胞肺癌及脑转移肿瘤样本与配对白细胞（WBC）的AluScan测序数据，数据类型为原始序列读长（Raw sequence reads）
基本信息
资源简介
PRJNA1472436：非小细胞肺癌及脑转移瘤与配对白细胞AluScan测序
PRJNA1472436 是 NCBI BioProject 数据库中的一个项目编号，对应名称为“AluScan sequencing of non small cell lung cancer and brain metastasis tumors with matched WBC”。该项目围绕非小细胞肺癌及脑转移肿瘤展开，采集肿瘤样本并配以匹配的白细胞（WBC），采用 AluScan 测序策略获取原始序列读长数据。作为 BioProject 体系下的一项记录，它汇集了与这一研究计划相关的多种数据类型入口，便于用户集中查找和获取该项目的测序数据。本站将其归类于肿瘤／肺癌方向，主题标签为原始序列读长（Raw sequence reads），适合关注肺癌及其脑转移分子特征的研究者参考使用。
【数据集背景】
BioProject 是 NCBI 提供的一种项目级资源，用于汇集与某一项研究计划相关的生物学数据。按照 NCBI 的说明，一个 BioProject 记录通常源自单一机构或联合体，并为用户提供统一入口，以查找该项目所产生的多种数据类型。PRJNA1472436 即属于此类项目记录，其研究主题聚焦于非小细胞肺癌与脑转移肿瘤。非小细胞肺癌是肺癌的主要类型之一，脑转移则是肺癌病程中常见的远处转移部位，针对这一组合开展测序研究，有助于从基因组层面理解肿瘤原发灶与转移灶之间的关系。该项目在名称中明确标注了 matched WBC，说明除肿瘤样本外，还纳入了与患者配对的白细胞样本，为后续区分肿瘤特异性变异与胚系背景提供了样本基础。本站将该数据集归入肿瘤／肺癌分类，主题标签为原始序列读长。
【数据内容】
该数据集的核心内容是 AluScan 测序产生的原始序列读长（Raw sequence reads）。AluScan 是一种基于 Alu 元件的测序策略，用于获取基因组中特定区域或结构变异相关的序列信息。项目名称表明，测序对象包括非小细胞肺癌肿瘤、脑转移肿瘤，以及与二者匹配的白细胞样本。数据类型被标注为原始序列读长，意味着数据以测序仪直接输出的读长形式提供，通常需要后续的生物信息学处理才能转化为可解释的变异或定量结果。除上述信息外，源站未提供关于样本数量、测序深度、读长长度、数据量大小等具体指标。
【采集与来源】
该项目来源于 ncbi.nlm.nih.gov，即美国国家生物技术信息中心（NCBI）的 BioProject 数据库。项目编号为 PRJNA1472436，源站标题为“ID 1472436 - BioProject - NCBI”。项目名称显示其样本涉及非小细胞肺癌和脑转移肿瘤，并包含匹配的白细胞样本。关于样本采集地点、采集时间、患者人群特征、伦理审批信息以及具体的测序平台和建库方法，源站未提供。
【适用场景】
基于现有信息，该数据集可用于涉及非小细胞肺癌与脑转移肿瘤的基因组学研究场景，尤其是需要利用 AluScan 原始序列读长进行后续分析的工作。由于包含匹配的白细胞样本，该数据也适合用于区分肿瘤组织中的体细胞变异与患者自身的胚系变异。主题标签“Raw sequence reads”表明其适合作为原始数据输入到标准的测序分析流程中。此外，该 BioProject 记录可作为查找同一项目下其他相关数据类型的入口。关于该数据集是否适用于特定分析目标，源站未提供进一步说明。
【使用方法】
使用者可通过 NCBI BioProject 数据库访问编号 PRJNA1472436 的记录，并经由该记录查找项目关联的数据链接。由于数据类型为原始序列读长，通常需要先进行质量控制、比对或组装等生物信息学处理，再开展下游分析。若研究涉及肿瘤与白细胞的配对比较，可将肿瘤样本读长与匹配 WBC 样本读长分别处理后进行对比。关于具体的下载方式、数据格式、分析工具和流程参数，源站未提供。
【质量与限制】
该数据集的主题标签为原始序列读长，说明数据未经充分加工，使用前需自行完成质量评估与处理。项目名称中虽提及匹配的白细胞样本，但源站未提供样本配对数量、测序质量指标、覆盖度或重复性等信息，因此无法对数据质量作出具体判断。此外，源站未提供关于样本纳入标准、临床信息完整程度以及数据使用限制的说明。使用者应结合自身研究目的，对数据的适用性和局限性进行独立评估。
【引用与许可】
该数据集来自 NCBI BioProject，项目编号为 PRJNA1472436。关于该项目的引用方式、数据许可条款、使用限制以及是否需要遵守特定的数据共享政策，源站未提供。使用者在引用或再利用该数据前，应自行查阅 NCBI BioProject 记录及相关数据页面以获取最新信息。
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/PRJNA1472436
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
脑转移（BM）在非小细胞肺癌（LC）患者中很常见，并与显著的发病率、神经功能恶化和有限的生存期相关。尽管在理解原发性肺癌基因组学方面取得了进展，但区分脑转移性疾病与原发肿瘤的具体分子机制仍鲜有明确。来自两个独立的非小细胞肺癌和脑转移样本队列（配有匹配的白细胞对照）的肿瘤组织，通过AluScan进行了NGS测序。
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。
