实体瘤免疫基因特征保守性及预后意义补充文件2
该数据集为实体瘤免疫基因特征保守性及预后意义研究的补充文件2，来源于doi.org，由Figshare于2016年发布。覆盖乳腺癌、结肠癌、肺癌、卵巢癌和前列腺癌五种癌症数据集，每个数据集含两个标签页：一个展示汇总统计图像，另一个列出分析选定的聚类数目，并包含Affy ID、基因符号和标题
基本信息
资源简介
实体瘤免疫基因特征保守性及预后意义补充文件2
Additional file 2 of Conservation of immune gene signatures in solid tumors and prognostic implications
该数据集为实体瘤免疫基因特征保守性及预后意义研究的补充文件2，来源于doi.org，由Figshare于2016年发布。数据为XLSX格式，约5007 kb，包含SOM算法共识聚类结果的汇总，由ConsensusClustering GenePattern模块生成。覆盖乳腺癌、结肠癌、肺癌、卵巢癌和前列腺癌五种癌症数据集，每个数据集含两个标签页：一个展示汇总统计图像，另一个列出分析选定的聚类数目，并包含Affy ID、基因符号和标题。可用于肿瘤免疫基因特征的聚类分析与预后相关研究（来源 DOI 解析，CC BY + CC0 许可）。
【数据集背景】
源站首次发布：2016。
【数据内容】
源站描述（机器翻译，仅供参考）：SOM算法共识聚类汇总。该Excel文件包含由ConsensusClustering GenePattern模块[26, 27]生成的SOM共识聚类结果汇总。每个癌症数据集（乳腺癌、结肠癌、肺癌、卵巢癌和前列腺癌）有两个标签页。一个标签页显示汇总统计图像。另一个标签页列出我们分析选定的聚类数目，并包含Affy ID、基因符号和标题。（XLSX 5007 kb）
【主题与分类】
主题标签：Medicine、Genetics、Molecular Biology、Evolutionary Biology、Cancer。本站分类：肿瘤。
【获取与许可】
源站页面：https://springernature.figshare.com/articles/dataset/Additional_file_2_of_Conservation_of_immune_gene_signatures_in_solid_tumors_and_prognostic_implications/4422005/1
使用许可：CC BY + CC0。
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://doi.org/10.6084/m9.figshare.c.3630380_d1.v1
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
SOM算法的共识聚类汇总。该Excel文件包含由ConsensusClustering GenePattern模块[26, 27]生成的SOM共识聚类结果汇总。每个癌症数据集（乳腺、结肠、肺、卵巢和前列腺）都有两个标签页。一个标签页显示汇总统计的图像。另一个标签页列出了我们分析中选择的聚类数量，并包含Affy ID、基因符号和标题。（XLSX 5007 kb）
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。
