lungNENomics队列肺神经内分泌肿瘤多组学处理数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.19366762

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 12.10 GB。

数据说明

该数据集包含肺神经内分泌肿瘤（lung NETs）的多组学批量处理数据，肺NETs是一种罕见且研究不足的肺癌类型。数据集包含201名新参与者的分子数据，其中包括n=104例1级和n=40例2级肿瘤、41名参与者的多区域测序、一名参与者的纵向采样，以及来自既往大细胞神经内分泌肿瘤（LCNEC）研究的重处理和协调数据。数据集由全基因组测序（WGS）检出的体细胞变异、RNA测序数据（RNA-seq）获得的基因表达和细胞类型估计，以及DNA甲基化阵列获得的M值和β值组成，并附有包括分子分组（Ca A1、Ca A2、Ca B和超类癌富集）在内的元数据。数据集还包括四个样本的处理后空间转录组学（10X genomics VISIUM）数据，包含基因表达、推断的CNV和非整倍体状态，以及每个空间点的空间域和细胞比例。

请注意，除上述207个新测序样本外，处理后的文件还包括276个先前发表的肺神经内分泌肿瘤样本，这些样本按照上述完全相同的工作流程重新处理，以避免批次效应。详情请参见Sexton-Oates等人在medrxiv 2025上发表的论文（https://www.medrxiv.org/content/10.1101/2025.07.18.25331556v1），以及metadata.csv文件，其中本研究测序的样本在“source”列中标记为“lungNENomics”，而重新处理的先前发表样本则根据其首次发表的研究进行标记（第一作者+发表年份）。另请注意，相应的原始测序数据（RNA-seq的fastq文件、WGS的cram文件以及甲基化芯片的idat文件）托管在欧洲基因组-表型组档案网站，研究编号为EGAS00001005979。此外，原始空间数据（Digital Spatial Profiling空间蛋白质组学和10X Visium转录组学）也托管在该EGA研究中，m

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。