923e0ba3-ad7f-49d1-9e90-ac839d240976 样本集
该数据集包含四例初治错配修复缺陷胃食管癌的多区域外显子测序数据，采用 Illumina HiSeq 2500 或 NovaSeq 6000 进行双端测序，目标深度 200X
基本信息
资源简介
923e0ba3-ad7f-49d1-9e90-ac839d240976 样本集
该数据集收录了四例初治错配修复缺陷胃食管癌的多区域外显子测序数据，采用 Illumina HiSeq 2500 或 NovaSeq 6000 平台进行双端测序，目标测序深度为 200X。数据集围绕肿瘤基因组学主题组织，属于肿瘤领域的其他类数据资源，来源于 omicsdi.org。其核心价值在于对同一肿瘤的多个区域以及肿瘤旁非恶性组织进行外显子层面比较，并纳入部分病例的淋巴结转移灶，为研究错配修复缺陷胃食管癌的瘤内异质性与转移相关问题提供了原始测序素材。
【数据集背景】
错配修复缺陷是一类在胃食管癌中具有特定生物学与临床意义的分子特征。该数据集针对四例未接受过治疗（初治）的错配修复缺陷胃食管癌切除标本开展多区域外显子测序，旨在从多区域取样的角度刻画肿瘤的基因组面貌。数据集所属分类为肿瘤 / 其他，主题标签为 Genomics，来源站为 omicsdi.org。
【数据内容】
数据内容为多区域外显子测序（MSeq）数据。每例病例除原发肿瘤的多个区域外，还包含肿瘤旁非恶性组织作为对照；具体而言，共有七个原发肿瘤区域连同肿瘤旁非恶性组织接受了多区域外显子测序。此外，其中两例病例各自还纳入了两个淋巴结转移灶。测序采用双端策略，目标深度为 200X。
【采集与来源】
样本来自四例经切除的初治错配修复缺陷胃食管癌。测序在 Illumina HiSeq 2500 或 NovaSeq 6000 平台上完成，采用双端测序方式，目标深度为 200X。数据集通过 omicsdi.org 来源站发布，英文名称为 923e0ba3-ad7f-49d1-9e90-ac839d240976 - samples。
【适用场景】
基于其多区域外显子测序的设计，该数据集适用于考察错配修复缺陷胃食管癌在原发肿瘤不同区域之间的基因组差异，以及原发灶与淋巴结转移灶之间的对照分析；也可用于以肿瘤旁非恶性组织为参照的外显子层面比较研究。主题标签 Genomics 表明其面向基因组学分析场景。
【使用方法】
源站未提供。
【质量与限制】
数据集的目标测序深度为 200X，测序平台为 Illumina HiSeq 2500 或 NovaSeq 6000，采用双端测序。样本量方面，涉及四例病例、七个原发肿瘤区域、相应的肿瘤旁非恶性组织，以及两例病例各两个淋巴结转移灶。其他质量评估信息与使用限制，源站未提供。
【引用与许可】
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://omicsdi.org/dataset/ega/EGAD00001004594
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
该数据集包括四例经切除的初治错配修复缺陷胃食管癌的多区域外显子组测序（MSeq）。采用Illumina HiSeq 2500或NovaSeq 6000进行双端测序，目标深度为200X。对七个原发肿瘤区域以及肿瘤邻近的非恶性组织进行了MSeq。此外，还纳入了两例病例中各两枚淋巴结转移灶。
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。
