侵袭性甲状腺癌基因组与转录组图谱
该数据集来自 omicsdi.org，聚焦侵袭性甲状腺癌的基因组与转录组特征。研究对 113 例晚期甲状腺癌（含 27 例未分化甲状腺癌 ATC 和 86 例晚期分化型甲状腺癌 DTC）应用多种大规模并行测序技术，以揭示其分子特征
基本信息
资源简介
侵袭性甲状腺癌基因组与转录组图谱
该数据集英文名为 Genomic and transcriptomic landscape of aggressive thyroid cancer，来源于 omicsdi.org，本站归类为肿瘤 / 其他，主题标签为 Genomics。数据集聚焦侵袭性甲状腺癌的基因组与转录组特征。研究针对晚期甲状腺癌分子特征尚未被充分阐明的问题，对 113 例晚期甲状腺癌（包括 27 例未分化甲状腺癌 ATC 和 86 例晚期分化型甲状腺癌 DTC）应用多种大规模并行测序技术，以揭示其基因组与转录组层面的分子特征。该数据集适合关注甲状腺癌分子机制、基因组学与转录组学研究的人员参考使用。
【数据集背景】
未分化甲状腺癌（ATC）与晚期分化型甲状腺癌（DTC）的分子特征此前尚未被充分阐明。该数据集正是围绕这一问题构建，研究对象为侵袭性甲状腺癌，旨在通过大规模并行测序手段刻画其基因组与转录组特征，为理解晚期甲状腺癌的分子基础提供数据支撑。数据集的主题标签为 Genomics，本站分类归入肿瘤 / 其他。
【数据内容】
数据集覆盖 113 例晚期甲状腺癌样本，其中 27 例为未分化甲状腺癌（ATC），86 例为晚期分化型甲状腺癌（DTC）。数据内容围绕这些样本的基因组与转录组特征展开，来源于多种类型的大规模并行测序技术。除上述样本构成与测序技术类型外，源站未提供更细的字段、文件格式或数据规模说明。
【采集与来源】
数据集来源站为 omicsdi.org。研究对 113 例晚期甲状腺癌应用多种类型的大规模并行测序技术，以获取其基因组与转录组信息。关于样本采集机构、采集时间、伦理审批及具体测序平台等信息，源站未提供。
【适用场景】
该数据集可用于侵袭性甲状腺癌的基因组与转录组特征研究，适用于比较未分化甲状腺癌与晚期分化型甲状腺癌的分子特征，也可作为甲状腺癌分子机制探索与基因组学分析的参考数据。具体分析场景与适用范围以源站说明为准，源站未提供更详细的适用条件。
【使用方法】
源站未提供具体的使用方法、数据下载方式、访问流程或分析工具说明。
【质量与限制】
源站未提供数据质量评估、质控指标、覆盖度或完整性说明。需注意该数据集样本为 113 例晚期甲状腺癌，包含 27 例 ATC 与 86 例晚期 DTC，其结论与适用范围应结合样本构成理解；其他限制信息源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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/EGAS00001003540
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
未分化甲状腺癌（ATC）和晚期分化型甲状腺癌（DTC）的分子特征尚未完全阐明。本研究应用多种大规模平行测序技术对113例晚期甲状腺癌（包括27例ATC和86例晚期DTC）进行分析，以揭示其基因组和转录组特征。
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。
