LungCancerACvsSCCGEO 原始 CEL 文件
主题标签：肿瘤、肺癌、腺癌、鳞状细胞癌、Affymetrix CEL、GEO、基因表达。本数据集为肿瘤领域公开数据集，由Zenodo提供，主题涵盖肿瘤。
基本信息
资源简介
LungCancerACvsSCCGEO 原始 CEL 文件
Raw CEL files for LungCancerACvsSCCGEO 是一个面向肿瘤学与肺癌分子分型研究的公开基因表达数据集，由作者 Tarca, Adi 发布，托管于 Zenodo 平台，采用 Creative Commons Attribution 4.0 International 许可协议。该数据集的核心价值在于提供原始水平的 Affymetrix CEL 文件，使研究者能够从探针信号层面重新处理和分析肺癌样本的基因表达信息。数据集聚焦于肺腺癌（Adenocarcinoma，AC）与肺鳞状细胞癌（Squamous cell carcinoma，SCC）两类主要非小细胞肺癌亚型之间的区分问题，共包含 30 个 Affymetrix CEL 文件，样本来源覆盖多个公共基因表达数据库。对于希望开展肺癌亚型鉴别、诊断标志物挖掘或基因表达重分析的研究人员而言，该数据集提供了可直接用于 Bioconductor 相关流程的原始数据基础。
【数据集背景】
肺癌是全球范围内发病率和死亡率较高的恶性肿瘤之一，其中非小细胞肺癌占据主要比例，而腺癌与鳞状细胞癌又是非小细胞肺癌中最常见的两种组织学亚型。两者在治疗策略和预后判断上存在差异，因此准确区分这两种亚型具有重要的临床与研究意义。随着基因表达谱技术的发展，利用转录组数据辅助组织学分型成为可能。该数据集正是在这一背景下产生，旨在为肺腺癌与鳞状细胞癌的基因表达比较研究提供原始 CEL 文件，支持研究者从 Affymetrix 平台原始信号出发进行预处理、归一化和下游分析。
【数据内容】
该数据集包含 30 个 Affymetrix CEL 文件，对应肺腺癌（AC）与肺鳞状细胞癌（SCC）两类肺癌样本。其中，7 个腺癌样本和 8 个鳞状细胞癌样本取自 3 个 GEO 数据集（GSE10245、GSE18842 和 GSE2109），这些样本为随机选取；另外 15 个样本来自 IMPROVER Diagnostic Signature Challenge 组织者所产生的一个数据集，该数据集可通过 GEO 获取（GSE43580）。关于这些文件的更多信息，可参考 Bioconductor 包 LungCancerACvsSCCGEO。数据集的主题标签涵盖肿瘤、肺癌、腺癌、鳞状细胞癌、Affymetrix CEL、GEO 以及基因表达，体现了其在肿瘤分子分型与基因表达分析方面的定位。
【采集与来源】
该数据集的样本来源包括两类渠道。第一类是从三个 GEO 数据集（GSE10245、GSE18842 和 GSE2109）中随机选取的 7 个腺癌样本和 8 个鳞状细胞癌样本；第二类是来自 IMPROVER Diagnostic Signature Challenge 组织者所产生、并通过 GEO 获取的数据集（GSE43580）中的 15 个样本。数据集由 Tarca, Adi 作者发布，托管机构为 Zenodo，来源站为 doi.org。发布时间为 2026 年。关于样本采集的具体时间、地点、伦理审批信息以及样本处理流程，源站未提供。
【适用场景】
该数据集适用于肺癌基因表达相关的多种研究场景。首先，可用于肺腺癌与鳞状细胞癌之间的差异表达分析和分子分型研究，帮助识别区分两种亚型的潜在基因标志物。其次，由于提供的是原始 CEL 文件，适合用于 Affymetrix 芯片数据的预处理方法比较、归一化算法评估以及批次效应校正研究。此外，该数据集也可作为机器学习或统计分类模型的训练与测试数据，用于构建肺癌亚型诊断签名。对于从事生物信息学、计算生物学和肿瘤分子流行病学的研究人员，该数据集可作为公共数据资源用于方法学验证和可重复性研究。
【使用方法】
使用者可通过 Zenodo 平台获取该数据集，并依据 Creative Commons Attribution 4.0 International 许可协议使用。由于文件为 Affymetrix CEL 格式，通常需要借助 Bioconductor 相关包进行读取和处理。源站描述中提到，关于文件的更多信息可参考 Bioconductor 包 LungCancerACvsSCCGEO，该包可能提供了配套的元数据和分析示例。使用者在分析时可根据研究目的选择适当的预处理流程，如背景校正、归一化和汇总，然后进行下游的差异表达或分类分析。关于具体的软件版本、参数设置和代码示例，源站未提供。
【质量与限制】
该数据集的样本量相对有限，共 30 个 CEL 文件，其中腺癌 7 个、鳞状细胞癌 8 个来自三个 GEO 数据集，另有 15 个来自 GSE43580。样本来源跨越多个数据集，可能引入批次效应或平台差异，使用者在分析时需予以考虑。此外，样本为随机选取，可能无法全面代表两类肺癌的总体异质性。关于数据质量评估、缺失值情况、样本临床信息以及平台型号等细节，源站未提供。因此，在使用该数据集时，建议结合原始数据集的元信息进行综合判断。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议，允许在署名原作者的前提下进行共享和改编。使用者在发表研究成果时，应按照许可要求进行适当引用。作者为 Tarca, Adi，托管机构为 Zenodo，来源站为 doi.org。关于具体的引用格式、DOI 标识以及相关文献信息，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://doi.org/10.5281/zenodo.23108089
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:
数据集大小约 149.3 MB。
数据说明
描述：本数据包包含30个Affymetrix CEL文件，其中7个腺癌（AC）和8个鳞状细胞癌（SCC）肺癌样本随机取自3个GEO数据集（GSE10245、GSE18842和GSE2109），另有15个样本来自IMPROVER诊断特征挑战赛组织者提供的数据集，该数据集可从GEO获取（GSE43580）。有关这些文件的更多信息，请参见Bioconductor包LungCancerACvsSCCGEO。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
