年轻发病肺癌胚系全基因组测序（DFCI PROACTIVE 研究）
该数据集为来自 DFCI PROACTIVE 研究的年轻发病肺癌胚系全基因组测序数据，属于 NCBI BioProject 收录的肿瘤/肺癌类资源，主题标签为 Phenotype or Genotype
基本信息
资源简介
年轻发病肺癌胚系全基因组测序（DFCI PROACTIVE 研究）
PRJNA1492178 是一个收录于 NCBI BioProject 的肿瘤类生物项目，全称为 Germline Whole-Genome Sequencing of Young-Onset Lung Cancer (from the DFCI PROACTIVE study)，即来自 DFCI PROACTIVE 研究的年轻发病肺癌胚系全基因组测序数据。该项目在分类上归属于肿瘤 / 肺癌方向，主题标签为 Phenotype or Genotype，表明其数据内容与表型或基因型相关。作为 BioProject 体系下的一项资源，它遵循 BioProject 对生物数据的组织方式，将围绕同一研究目标产生的多种数据类型汇聚于单一记录之下，便于使用者集中查找与访问。该数据集聚焦于年轻发病肺癌这一特定人群的胚系全基因组层面，为相关研究提供了以测序数据为核心的基础性资源。
【数据集背景】
该数据集来源于 DFCI PROACTIVE 研究，研究对象为年轻发病肺癌。肺癌通常被认为与年龄增长相关，而年轻发病肺癌在临床与遗传学上具有其特殊性，因此针对该人群开展胚系全基因组测序有助于从遗传背景角度理解疾病的发生。项目以 BioProject 形式组织，BioProject 是由单一机构或联盟发起的、围绕某一专项研究计划汇集生物数据的集合，其记录为用户提供统一入口，以发现该项目所产生的多种数据类型。该数据集的主题标签为 Phenotype or Genotype，说明其关注点落在表型与基因型的关系层面。
【数据内容】
该数据集的核心内容为年轻发病肺癌的胚系全基因组测序数据。所谓胚系，指来源于生殖细胞的遗传变异信息，区别于肿瘤组织中的体细胞突变。全基因组测序意味着对基因组整体范围进行测序，而非局限于特定区域或少数基因。数据归属于肿瘤 / 肺癌分类，并带有 Phenotype or Genotype 主题标签。除上述信息外，源站未提供关于样本数量、测序深度、覆盖度、变异类型、数据文件格式或具体数据量的进一步说明。
【采集与来源】
该数据来源于 DFCI PROACTIVE 研究，并通过 NCBI BioProject 进行收录与发布，来源站为 ncbi.nlm.nih.gov。BioProject 记录本身并不直接等同于原始数据文件，而是作为项目层面的索引与汇聚点，提供指向该项目所产生各类数据的链接。关于样本采集地点、采集时间、纳入与排除标准、伦理审批信息以及具体的测序平台与流程，源站未提供。
【适用场景】
基于其内容与标签，该数据集可适用于与年轻发病肺癌遗传背景相关的研究场景，例如胚系遗传变异的探索、基因型与表型关联的分析，以及肿瘤 / 肺癌方向的遗传学研究。同时，作为 BioProject 资源，它也可用于数据发现与跨数据类型整合的检索场景。需要说明的是，具体的研究适用性取决于数据本身的质量与设计，源站未提供可用于判断特定分析适用性的细节。
【使用方法】
使用者可通过 NCBI BioProject 记录（ID 1492178）访问该项目，并借助记录中提供的链接定位该项目所产生的各类数据。BioProject 的设计目的即在于为用户提供单一入口，以便发现同一研究计划下的多种数据类型。关于数据下载方式、文件组织格式、配套分析工具或处理流程，源站未提供。
【质量与限制】
该数据集为胚系全基因组测序数据，因此其信息主要反映遗传性变异，而非肿瘤体细胞突变，这一属性限定了其可回答的问题范围。此外，该数据聚焦于年轻发病肺癌人群，其结论向其他人群的外推需谨慎。关于数据质量指标、覆盖度、样本量、批次效应或验证情况，源站未提供。
【引用与许可】
该数据集通过 NCBI BioProject 发布，项目编号为 PRJNA1492178。关于具体的引用格式、数据使用许可、访问限制或授权条款，源站未提供。
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/PRJNA1492178
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
这是一项前瞻性、多机构观察性研究，旨在探究年轻时确诊肺癌的遗传与分子基础。通过Dana-Farber癌症研究所及合作机构招募了45岁或以下确诊为原发性肺癌[非小细胞肺癌(NSCLC)或小细胞肺癌(SCLC)]的参与者，并进行了额外的远程招募。收集临床信息和生物标本，以建立一个全面的研究资源，用于研究早发性肺癌的生物学特性。外周血样本通过全基因组测序(WGS)进行分析。通过dbGaP可获取的数据包括从外周血产生的胚系WGS数据、相关变异调用以及伴随的表型信息……（更多内容请参见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。
