中国患者队列与细胞系外显子组测序定义的食管鳞状细胞癌遗传图谱
该数据集来自 omicsdi.org，围绕食管鳞状细胞癌（ESCC）的遗传图谱构建，对来自中国患者的 113 对初治原发性 ESCC 肿瘤与正常 DNA 样本，以及 8 个细胞系（包括 7 个 KYSE 系列 ESCC 细胞系和 1 个永生化食管鳞状上皮细胞系 Het-1A）进行了全外显子组测序
基本信息
资源简介
中国患者队列与细胞系外显子组测序定义的食管鳞状细胞癌遗传图谱
该数据集聚焦食管鳞状细胞癌（ESCC）的遗传图谱刻画，来源于 omicsdi.org，属于肿瘤领域的基因组学数据资源。为系统描述 ESCC 的遗传改变特征，研究者对来自中国人群的 113 对初治原发性 ESCC 肿瘤与配对的正常 DNA 样本开展了全外显子组测序，同时纳入 8 个细胞系进行测序分析，其中包括 7 个 KYSE 系列 ESCC 细胞系和 1 个永生化食管鳞状上皮细胞系 Het-1A。数据集以肿瘤组织与正常组织的配对比较为核心设计，辅以细胞系材料，为在基因组层面识别体细胞突变、描绘 ESCC 遗传景观提供了原始测序数据基础，主题标签为 Genomics。
【数据集背景】
食管鳞状细胞癌是全球范围内致死率较高的恶性肿瘤之一。为明确该肿瘤的遗传图谱，需要在全外显子组水平上系统比较肿瘤与正常组织之间的遗传差异。该数据集正是围绕这一目标构建，选取中国人群初治原发性 ESCC 患者样本作为研究对象，并结合 ESCC 细胞系材料，形成患者队列与细胞系相互补充的研究设计。
【数据内容】
数据集的核心内容为全外显子组测序数据，覆盖两类样本材料：一是来自中国个体的 113 对肿瘤与正常 DNA 配对样本，患者均为初治原发性 ESCC；二是 8 个细胞系，包括 7 个 KYSE 系列 ESCC 细胞系以及 1 个永生化食管鳞状上皮细胞系 Het-1A。样本类型涵盖肿瘤组织、配对正常组织以及体外培养细胞系。数据主题归类为 Genomics，所属分类为肿瘤 / 其他。
【采集与来源】
样本采集自中国 ESCC 患者队列，均为未接受治疗的初治原发性病例，并以同一患者的正常 DNA 作为配对对照。细胞系材料包括 KYSE 系列 ESCC 细胞系和 Het-1A 永生化食管鳞状上皮细胞系。数据集通过 omicsdi.org 发布与索引，源站提供了上述样本构成与测序策略的描述。
【适用场景】
该数据集适用于 ESCC 遗传图谱相关的研究，例如在配对肿瘤与正常样本间识别全外显子组层面的遗传变异、比较患者样本与 ESCC 细胞系的基因组特征，以及围绕中国人群 ESCC 队列开展基因组学分析。其主题标签为 Genomics，也可作为肿瘤基因组学教学与分析方法验证的数据资源。
【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/EGAS00001000932
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
食管鳞状细胞癌（ESCC）是全球最致命的癌症之一。为描绘ESCC的遗传图谱，研究者对来自中国初治原发性ESCC个体的113对肿瘤与正常DNA样本进行了全外显子组测序，同时还包括8个细胞系，其中7个为KYSE系列ESCC细胞系，另1个为永生化食管鳞状上皮细胞系Het-1A。
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。
