cBioPortal：阑尾癌（MSK，J Clin Oncol 2022）
这是一个由 cbioportal.org 收录的肿瘤类数据集，英文名称为 cBioPortal: Appendiceal Cancer (MSK, J Clin Oncol 2022)，在站内归入“肿瘤 / 其他”，并带有 apad 这一主题标记，内容围绕阑尾癌的靶向测序展开
基本信息
资源简介
cBioPortal：阑尾癌（MSK，J Clin Oncol 2022）
这是一个由 cbioportal.org 收录的肿瘤类数据集，英文名称为 cBioPortal: Appendiceal Cancer (MSK, J Clin Oncol 2022)，在站内归入“肿瘤 / 其他”，并带有 apad 这一主题标记，内容围绕阑尾癌的靶向测序展开。来源网站以 Appendiceal Cancer (MSK, J Clin Oncol 2022) 作为标题，短描述同样使用这一标题。
【数据集背景】
该数据集与 J Clin Oncol 2022 这一文献线索相关，标识为 pmid:36493333。它来自 cbioportal.org，属于肿瘤/其他类别，并带有 apad 主题标记。除上述信息外，关于研究背景、疾病背景、研究目的、队列设计、临床问题、合作机构等，源站未提供。
【数据内容】
根据来源网站给出的说明，该数据集包含通过 MSK-IMPACT 平台进行的靶向测序，涉及 273 对阑尾肿瘤/正常样本。也就是说，数据以肿瘤与正常样本配对的形式组织，检测方式为靶向测序。关于具体覆盖的基因、变异类型、临床注释、样本级元数据、文件格式、数据层级等，源站未提供。
【采集与来源】
数据来源站为 cbioportal.org。样本来自阑尾肿瘤/正常配对，数量为 273 对。检测平台为 MSK-IMPACT，方式为靶向测序。文献线索包括 J Clin Oncol 2022 和 pmid:36493333。关于样本采集机构、采集时间、纳排标准、伦理审批、测序中心、数据处理流程等，源站未提供。
【适用场景】
源站未提供该数据集的专门适用场景。可以确定的是，它在站内归入肿瘤/其他，并带有 apad 主题标记，内容与阑尾癌、MSK-IMPACT 靶向测序以及肿瘤/正常配对样本有关；但该数据集适合支持哪些具体研究问题、分析目标或临床解读，源站未提供。
【使用方法】
源站未提供具体使用方法，包括访问入口、下载方式、账号或权限要求、数据浏览界面、分析流程、配套工具、格式转换和二次分析建议等。使用者如需了解如何获取或操作该数据集，应以 cbioportal.org 上的实际说明为准；相关细节目前源站未提供。
【质量与限制】
源站未提供质量评估信息，例如测序深度、覆盖度、样本质量、数据完整性、缺失情况、批次效应、验证结果或已知偏差。已能确认的是样本规模为 273 对阑尾肿瘤/正常样本，采用 MSK-IMPACT 平台进行靶向测序；其他质量指标与使用限制源站未提供。
【引用与许可】
该数据集的标识为 pmid:36493333，英文名称为 cBioPortal: Appendiceal Cancer (MSK, J Clin Oncol 2022)，来源站为 cbioportal.org，在来源网站上以 Appendiceal Cancer (MSK, J Clin Oncol 2022) 为标题。关于引用格式、许可协议、使用条款、商业使用限制、数据再分发条件等，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://cbioportal.org/study/summary?id=appendiceal_msk_2022
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
通过MSK-IMPACT平台对273对阑尾肿瘤/正常配对样本进行靶向测序。
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。
