腺样囊性癌全基因组测序数据 - 25 例样本
该数据集为 25 例腺样囊性癌样本的全基因组测序数据，样本采用 Illumina TruSeq 文库构建，并在 Illumina HiSeq 2000 平台上完成测序，提供双端 fastq 文件
基本信息
资源简介
腺样囊性癌全基因组测序数据 - 25 例样本
该数据集收录了25例腺样囊性癌样本的全基因组测序数据，属于肿瘤基因组学研究范畴。腺样囊性癌是一种较为少见的恶性肿瘤，可发生于涎腺等部位，其分子特征的研究对于理解疾病发生机制、探索潜在诊疗靶点具有重要意义。本数据集围绕这批肿瘤样本，采用Illumina TruSeq文库构建方案进行测序前处理，并在Illumina HiSeq 2000测序平台上完成全基因组测序，最终以双端fastq文件形式提供原始测序读段。数据来源站为omicsdi.org，主题标签为基因组学，本站分类归入肿瘤/其他。整体而言，该数据集为研究者提供了一批可直接用于后续生物信息学分析的肿瘤全基因组测序原始数据资源。
【数据集背景】
腺样囊性癌（adenoid cystic carcinoma）是一种具有独特临床与病理特征的恶性肿瘤，其基因组层面的系统研究有助于揭示驱动突变、拷贝数变异及结构变异等关键事件。全基因组测序能够以较高分辨率覆盖整个基因组范围，是研究肿瘤基因组全貌的重要技术手段。本数据集正是针对25例腺样囊性癌样本开展的全基因组测序工作，旨在为相关研究提供原始序列数据基础。关于该数据集所依托的具体研究项目背景、课题来源及研究目的等更详细信息，源站未提供。
【数据内容】
本数据集的核心内容为25例腺样囊性癌样本的全基因组测序数据。样本经过Illumina TruSeq文库构建流程处理，随后在Illumina HiSeq 2000平台上完成测序。数据以双端（paired-end，PE）fastq文件的形式提供，即每个样本对应包含正向与反向读段的fastq格式文件。fastq格式是测序数据最常见的原始存储格式之一，通常包含每条读段的碱基序列及其对应的质量评分信息，便于后续进行质控、比对和变异检测等分析。关于样本的具体临床信息、测序深度、读长、数据总量等细节，源站未提供。
【采集与来源】
该数据集的来源站为omicsdi.org。样本的测序流程包括Illumina TruSeq文库构建与Illumina HiSeq 2000平台测序两个主要环节。Illumina TruSeq是一类常用的建库方案，适用于全基因组测序等应用场景；Illumina HiSeq 2000则是高通量测序平台，能够产出大规模的双端序列数据。数据最终以PE fastq文件形式对外提供。关于样本的采集地点、采集时间、伦理审批信息以及数据提交机构等，源站未提供。
【适用场景】
基于其内容特征，该数据集可适用于肿瘤基因组学的多种分析场景。例如，研究者可利用这批全基因组测序数据开展体细胞突变检测、拷贝数变异分析、结构变异识别以及突变特征谱分析等工作。此外，该数据也可作为腺样囊性癌相关研究的对照或验证数据资源，用于比较不同样本间的基因组差异。由于提供的是原始fastq文件，使用者可根据自身研究需求灵活选择比对工具、变异检测流程及下游分析策略。关于该数据集是否已被用于特定类型的已发表研究，源站未提供。
【使用方法】
使用者通常需要先对双端fastq文件进行质量控制，去除低质量读段与接头污染，随后将清洗后的读段比对至参考基因组，再进行变异检测与注释等下游分析。由于数据以PE fastq形式提供，分析流程应按照双端测序数据的标准处理方式进行。具体采用的软件工具、参数设置及分析流程，取决于研究目的与使用者的技术偏好。关于该数据集是否附带官方推荐的分析流程或使用说明文档，源站未提供。
【质量与限制】
该数据集提供了25例样本的全基因组测序双端fastq文件，采用Illumina TruSeq建库与Illumina HiSeq 2000测序，属于较为成熟的测序技术路线。然而，关于这批数据的具体质量指标，如碱基质量分布、测序深度、覆盖度、读长及数据量等，源站未提供。此外，样本的临床病理信息、随访数据以及是否包含正常对照样本等信息，源站亦未提供。因此，使用者在开展分析前应自行进行数据质控评估，并结合研究目的判断该数据集是否满足其分析需求。
【引用与许可】
关于该数据集的引用方式、许可协议、使用条款及数据访问限制等信息，源站未提供。使用者在获取与使用该数据时，应遵循来源站omicsdi.org的相关规定，并关注是否存在额外的数据共享或伦理要求。
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/EGAD00001003959
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
25例腺样囊性癌样本的全基因组测序数据。这些样本用于Illumina TruSeq文库构建，并在Illumina HiSeq 2000平台上进行测序。提供了双端fastq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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
