d5db2dab-8006-430c-9a37-98182f66fc25 样本集
该数据集来自 omicsdi.org，属于肿瘤/其他分类，主题标签为 Genomics。数据针对 103 例汉族 ESCC 患者的配对肿瘤（T）与癌旁正常组织（N），通过靶向亚硫酸氢盐测序检测 ADHFE1、EOMES、SALL1、TFPI2 四个候选抑癌基因的甲基化状态，并提供经 BSseeker
基本信息
资源简介
d5db2dab-8006-430c-9a37-98182f66fc25 样本集
该数据集收录于 omicsdi.org，主题标签为 Genomics，在本站归入肿瘤/其他分类。数据来源于一项针对汉族食管鳞状细胞癌（ESCC）患者的研究，研究者招募了 103 例患者，获取其配对肿瘤组织（标记为 T）与癌旁正常组织（标记为 N），并采用靶向亚硫酸氢盐测序检测 ADHFE1、EOMES、SALL1、TFPI2 四个候选抑癌基因的甲基化状态。数据集除包含上述 103 对组织的甲基化检测信息外，还提供经 BSseeker2 比对后得到的 bam 文件，可用于复核四个候选基因在肿瘤与癌旁正常组织间的甲基化差异。
【数据集背景】
该数据集围绕食管鳞状细胞癌中候选抑癌基因的甲基化验证而建立。研究目的是在汉族 ESCC 患者中验证 ADHFE1、EOMES、SALL1、TFPI2 四个候选抑癌基因的甲基化状态。为此，研究者招募了 103 例患者，并取得其配对肿瘤组织与癌旁正常组织，构成肿瘤—正常对照的配对设计，为在同一个体内部比较甲基化差异提供了样本基础。
【数据内容】
数据集的核心内容是上述 103 对组织样本中四个候选基因的甲基化谱，检测手段为靶向亚硫酸氢盐测序。除甲基化检测结果外，数据集还包含原始序列数据（fastq 文件）经 BSseeker2 比对后生成的全部 bam 文件。样本以 T（肿瘤）与 N（癌旁正常组织）成对标记，便于按患者进行配对分析。
【采集与来源】
样本来自 103 例汉族 ESCC 患者，每例均获得肿瘤组织与癌旁正常组织。检测方法为靶向亚硫酸氢盐测序，用于测定 ADHFE1、EOMES、SALL1、TFPI2 四个基因的甲基化状态。序列数据处理采用 BSseeker2 进行比对，比对产物以 bam 文件形式纳入数据集。数据集的来源站为 omicsdi.org。
【适用场景】
该数据集适用于肿瘤甲基化研究相关场景，尤其是食管鳞状细胞癌中候选抑癌基因甲基化的验证性分析。由于样本采用肿瘤与癌旁正常组织的配对设计，可用于比较四个候选基因在两种组织类型间的甲基化差异；所提供的 bam 文件可用于比对结果的复核与再分析。主题标签 Genomics 表明其面向基因组学分析用途。
【使用方法】
源站未提供。
【质量与限制】
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/EGAD00001004288
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
为验证四个候选抑癌基因（ADHFE1、EOMES、SALL1、TFPI2）在中国汉族ESCC患者中的甲基化状态，我们招募了103例患者，并获取了配对的肿瘤组织（标记为T）和癌旁正常组织（标记为N）。采用靶向亚硫酸氢盐测序检测这四个基因在这103对组织中的甲基化谱。此外，使用BSseeker2对原始序列数据（fastq文件）进行比对，该数据集包含比对后的所有bam文件。
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。
