IDC GTEx 基因型-组织表达数据集

数据集获取

源站：https://portal.imaging.datacommons.cancer.gov/explore/filters?collection_id=gtex

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

IDC收集GTEx。癌症类型：非疾病。肿瘤位置：多种。受试者：971。GTEx基因型-组织表达（GTEx）项目（https://commonfund.nih.gov）建立了一个数据资源和组织库，旨在研究多种人体组织及个体间遗传变异与基因表达之间的关系。该项目汇集了众多在生物样本采集与处理、病理审查、分子分析及数据管理等领域具有专长的团队贡献。这些贡献者统称为GTEx联盟。GTEx从956名健康死后捐赠者中收集了来自50多种不同组织类型的共计26,468份独特组织样本。研究期间采用的标准化生物样本采集和分析实践，旨在最小化与样本相关因素有关的预分析变异性及其对分析终点的潜在影响。

每个GTEx组织被分为两个组织块，一个用于组织学分析，另一个用于分子分析；两个组织块均在PAXgene组织固定液（Qiagen）中保存6至24小时，随后按照项目特定的标准操作程序（https://biospecimens.cancer.gov/resources/sops/library.asp）使用PAXgene组织稳定液（Qiagen）处理。组织块在Van Andel Institute（密歇根州）的GTEx中心库进行加工并包埋于石蜡中，并针对所有GTEx供体生成了苏木精-伊红染色切片。使用Aperio Scanscope软件（Leica Biosystems）对PAXgene固定/稳定、石蜡包埋的组织切片创建了数字化扫描的全切片图像。随后，由分配至GTEx研究的四位委员会认证病理学家之一对这些数字图像进行审查和注释。GTEx收集库中总共有25,503张数字组织学图像。请参阅GTEx（https://doi.org/10.5281/zenodo.11099099）信息页面，以了解更多关于这些图像的信息并获取该收集库的任何支持性元数据。

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。