Mutographs 项目样本数据集

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAD00001007510

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

Mutographs项目旨在通过研究突变特征来加深我们对癌症成因的理解。该项目由Mike Stratton领导，与Paul Brennan、Ludmil Alexandrov、Allan Balmain、David Phillips和Peter Campbell共同合作，是一项大规模国际研究努力，获得了英国癌症研究中心的“重大挑战”奖。不同的环境、生活方式和遗传因素导致癌症，会产生不同的体细胞突变模式，其中许多因素仍属未知。在Mutographs项目中，国际癌症研究机构正在协调招募来自5大洲的5000名癌症患者（结直肠癌、肾癌、胰腺癌、食管腺癌或食管鳞状细胞癌），以探究不同的突变特征是否能解释发病率的显著差异。简而言之，通过遍布全球的国际合作网络，收集生物材料以及人口统计学、组织学、临床和问卷数据。肿瘤-生殖细胞DNA配对的全基因组序列在Wellcome Trust Sanger研究所生成。

随后，通过非负矩阵分解方法提取体细胞突变特征，并将其与风险因素数据进行关联分析。通过对癌症病因学的深入理解，Mutographs项目前所未有的努力有望勾勒出可改变的风险因素，引领癌症预防新策略，并为赋能早期检测、细化高风险群体以及推动进一步的治疗开发提供机遇。

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。