癌症基因组解剖计划（CGAP）人类SAGE数据集
它汇集了CGAP的SAGE文库，这些文库由CGAP资助产生或捐赠给CGAP。数据以SAGE表达谱形式提供，包含1个文件（GSE15309_series_matrix.txt.gz），可用于基因表达分析及相关研究（来源 NCBI）
基本信息
资源简介
癌症基因组解剖计划（CGAP）人类SAGE数据集
GSE15309 是一个以 SAGE（基因表达系列分析）表达谱形式组织的肿瘤基因组学数据集，源自 NCBI 的 Cancer Genome Anatomy Project（CGAP）人类 SAGE 文库集合。该数据集汇集了由 CGAP 资助产生或捐赠给 CGAP 的 SAGE 文库，以一份系列矩阵文件承载表达信息，可用于基因表达分析及相关研究。数据集归属于肿瘤及其他相关分类，主题标签涉及 Expression profiling by SAGE、GPL4 与 9606，作者为 R. L. Strausberg，发布时间为 2000 年 3 月 19 日。整体而言，它面向需要利用 CGAP SAGE 资源开展表达谱研究的使用者，提供了一份可直接下载的压缩数据文件。
【数据集背景】
该数据集对应 Cancer Genome Anatomy Project（CGAP）的人类 SAGE 文库集合。CGAP 是一个以肿瘤基因组解剖为目标的项目，其 SAGE 文库通过项目资助产生，或由外部研究者捐赠给项目统一汇集。GSE15309 即以此文库集合为基础形成系列数据，用于记录和共享 SAGE 表达谱信息。数据集的源站为 ncbi.nlm.nih.gov，源站标题与数据集英文名一致，均为 Cancer Genome Anatomy Project (CGAP) Human SAGE。
【数据内容】
数据集以 SAGE 表达谱为内容形式，主题标签包括 Expression profiling by SAGE、GPL4 和 9606，表明其面向人类（9606）样本的 SAGE 表达谱数据，并关联 GPL4 平台。整个数据集仅包含 1 个文件，文件样例为 GSE15309_series_matrix.txt.gz，即一份 GZIP 压缩的系列矩阵文本文件，承载该系列的表达谱信息。
【采集与来源】
数据来源于 NCBI 的 CGAP SAGE 文库集合。按照源站描述，该系列所包含的文库或由 CGAP 资助产生，或由相关方捐赠给 CGAP。数据集发布于 2000 年 3 月 19 日，作者为 R. L. Strausberg。数据经 NCBI 站点对外提供，本站将其归入肿瘤 / 其他分类。
【适用场景】
该数据集适用于基因表达分析及相关研究，尤其是基于 SAGE 技术的表达谱研究。使用者可借助其中的系列矩阵文件开展表达模式比较、文库层面的表达信息整理等工作。由于数据以 SAGE 表达谱形式提供，适合需要利用 CGAP 人类 SAGE 资源进行转录组层面分析的研究场景。
【使用方法】
使用时可先下载数据文件 GSE15309_series_matrix.txt.gz，并按文件格式以 GZIP 压缩包方式读取。建议先在小样本上核对字段与编码，确认无误后再批量接入，以保证后续分析的数据读取一致性。
【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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE15309
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
本系列代表癌症基因组解剖计划（Cancer Genome Anatomy Project）的SAGE文库集合。本文库所含文库或由CGAP资助产生，或捐赠给CGAP。癌症基因组解剖计划（CGAP：http://cgap.nci.nih.gov）是由美国国家癌症研究所（NCI：http://www.nci.nih.gov）建立并管理的跨学科项目，旨在生成破译癌细胞分子解剖结构所需的信息和技术工具。SAGE文库按以下惯例命名：* SAGE_器官_组织学_代码_唯一标识符，例如，SAGE_Colon_adenocarcinoma_CL_Caco2 * 代码：B = bulk（批量）；CL = cell line（细胞系）；CS = short-term cell culture（短期细胞培养）；MD = micro-dissected（显微切割）；AP = antibody purified（抗体纯化）。
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。
