葡萄膜黑色素瘤驱动突变早期遗传演化数据集
该数据集包含1140例原发性葡萄膜黑色素瘤肿瘤的基因组测序数据，涵盖临床表格、基因突变信息和统计结果等多模态数据，重点分析7种驱动突变的早期遗传演化，旨在揭示小型肿瘤的恶性转化机制、探索生物标志物，并支持癌症基因组学、精准医疗和肿瘤转移研究方向。
基本信息
资源简介
葡萄膜黑色素瘤驱动突变早期遗传演化数据集
【数据集背景】
本数据集源站标题为《Early genetic evolution of driver mutations in uveal melanoma》。
【数据内容】
源站原始描述：Uveal melanoma (UM) is an aggressive cancer of the eye that frequently results in metastatic death. UMs are most likely to metastasize when they are small, at a time when they are difficult to distinguish from benign nevi and often observed without treatment. Unfortunately, little is known about the early genetic evolution of UM or potential biomarkers to indicate small tumors undergoing malignant transformation. Here, we performed targeted next generation sequencing for the 7 canonical UM drive…
【主题与分类】
主题标签：Prospective studies、Choroidal melanoma、uveal melanoma、Survival analysis、Molecular prognostication、Cancer mutations、Prognostic biomarkers、Cancer Prognosis。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:7b76ad076ea282dd5f824692fe62d916966578de8e2016e75d491ef3e648a65f
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
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
该数据集聚焦于葡萄膜黑色素瘤（UM），这是一种侵袭性眼部癌症，常导致转移性死亡。数据集包含1140例原发性UM肿瘤的靶向下一代测序数据，其中131例为小型早期肿瘤，重点分析了7种经典UM驱动突变。数据来源为临床活检样本，通过测序和统计分析方法构建。数据集提供了详细的临床注释、患者结局和遗传特征表格，以及小型与大型肿瘤的对比统计分析。主要研究方向包括UM早期遗传演化模式、驱动突变在肿瘤进展中的作用，以及寻找指示恶性转化的潜在生物标志物，适用于癌症基因组学、精准医学和肿瘤转移机制研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
