Phoenix 临床试验非中国队列 DLBCL NGS 基因组数据集
该数据集来自 Phoenix 临床试验，收录非中国队列的弥漫性大 B 细胞淋巴瘤（DLBCL）样本，对活检组织进行全外显子测序或靶向基因 panel DNA 测序及 RNA 测序，用于识别体细胞突变
基本信息
资源简介
Phoenix 临床试验非中国队列 DLBCL NGS 基因组数据集
该数据集来自 Phoenix 临床试验，收录非中国队列的弥漫性大 B 细胞淋巴瘤（DLBCL）样本，对活检组织进行全外显子测序或靶向基因 panel DNA 测序及 RNA 测序，用于识别体细胞突变。数据覆盖 584 例非中国队列病例，并依据体细胞突变基因用 LymphGen 算法将肿瘤划分为 MCD、BN2、N1 等遗传亚型。该数据可用于 DLBCL 分子分型、突变谱分析以及不同遗传亚型对 ibrutinib 联合 R-CHOP 治疗反应差异的研究（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：研究活检样本（n=773；189 例为中国队列，584 例为非中国队列）接受了全外显子测序或靶向基因 panel DNA 测序以及 RNA 测序，从而能够识别体细胞突变。基于其体细胞突变基因，使用 LymphGen 算法将肿瘤划分为 DLBCL 遗传亚型，即 MCD（n=110）、BN2（n=47）或 N1（n=28）。在较年轻患者（年龄≤60 岁）中，ibrutinib 联合 R-CHOP 在 MCD 和 N1 组中与 3 年 100% 无事件生存（EFS）相关，而单用 R-CHOP 在 MCD 和 N1 组中分别与 42.9%（p=0.01）和 50%（p=0.016）的 3 年 EFS 相关。该分析显示 ibrutinib 联合 R-CHOP 化疗在特定遗传亚型中的获益，为其在较年轻非 GCB DLBCL 患者中的生存获益提供了机制支持。EGA 收集了 RNA-Seq 和 NuGene targ
【主题与分类】
主题标签：Genomics。本站分类：肿瘤。
【获取与许可】
源站页面：https://omicsdi.org/dataset/ega/EGAS00001005554
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/EGAS00001005554
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
研究活检样本（n=773；189例为中国队列，584例为非中国队列）接受了全外显子组测序或靶向基因面板DNA测序以及RNA测序，从而能够识别体细胞突变。根据体细胞突变基因，使用LymphGen算法将肿瘤分配至DLBCL遗传亚型，即MCD（n=110）、BN2（n=47）或N1（n=28）。在年轻患者（年龄≤60岁）中，伊布替尼联合R-CHOP在MCD和N1组中与3年100%的无事件生存期（EFS）相关，而单独使用R-CHOP在MCD和N1组中分别与42.9%（p=0.01）和50%（p=0.016）的3年EFS相关。该分析显示，伊布替尼联合R-CHOP化疗在特定遗传亚型中具有获益，为其在年轻非GCB DLBCL患者中的生存获益提供了机制支持。EGA收集了584例非中国队列的RNA-Seq和NuGene靶向测序数据集。
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。
