遗传变异对口咽鳞状细胞癌患者临床结局的影响
该数据集来自 omicsdi.org，聚焦口咽鳞状细胞癌（OpSCC）患者队列中遗传变异与临床结局的关联。研究对 51 例 OpSCC FFPE 样本的 15 个驱动基因全编码区进行下一代测序，基于体细胞变异识别遗传变异并检验其与临床特征的关联
基本信息
资源简介
遗传变异对口咽鳞状细胞癌患者临床结局的影响
该数据集聚焦口咽鳞状细胞癌（OpSCC）患者队列中遗传变异与临床结局的关联，来源于 omicsdi.org，归类为肿瘤领域的其他类数据集，主题标签为 Genomics。研究以非欧洲人群的 OpSCC 样本为对象，对 15 个 OpSCC 驱动基因的整个编码区开展下一代测序，在 51 例 OpSCC FFPE 样本中基于体细胞变异识别遗传变异，并检验这些变异与临床特征之间的关联。该数据集为理解烟草驱动或人乳头瘤病毒驱动的 OpSCC 在遗传层面的差异及其临床意义提供了样本级测序与临床关联分析的基础。
【数据集背景】
口咽鳞状细胞癌（OpSCC）可由烟草或人乳头瘤病毒驱动，二者在临床、生物学和流行病学上属于不同的疾病实体。既有研究多集中于欧洲人群，而本研究的出发点是在非欧洲人群中识别 OpSCC 样本的体细胞变异，并检验其与临床特征的关联，以补充该疾病在不同人群中的遗传变异证据。
【数据内容】
数据集的核心内容是对 15 个 OpSCC 驱动基因整个编码区进行下一代测序所获得的遗传变异信息，样本规模为 51 例 OpSCC FFPE 样本。研究基于体细胞变异识别遗传变异，并将这些变异与临床特征进行关联检验。主题标签为 Genomics，表明数据属于基因组学范畴。除上述测序靶标、样本数量与变异识别策略外，源站未提供更细的字段结构、变异位点清单或临床变量明细。
【采集与来源】
数据来源于 omicsdi.org。研究材料为 51 例 OpSCC 的 FFPE 样本，检测手段为下一代测序，测序范围为 15 个 OpSCC 驱动基因的整个编码区。研究对象来自非欧洲人群。源站未提供样本采集地点、采集时间、伦理审批信息及具体测序平台型号等细节。
【适用场景】
该数据集适用于口咽鳞状细胞癌遗传变异与临床结局关联的研究场景，例如在非欧洲人群中考察 OpSCC 驱动基因体细胞变异的分布特征，或用于比较烟草驱动与人乳头瘤病毒驱动 OpSCC 在遗传层面的差异。也可作为 OpSCC 分子流行病学与临床相关性分析的参考数据。源站未提供其他具体应用案例。
【使用方法】
源站未提供该数据集的具体使用方式、文件格式、访问接口或分析流程说明。
【质量与限制】
研究采用 FFPE 样本进行下一代测序，样本量为 51 例，测序靶标限定为 15 个驱动基因的编码区，研究对象为非欧洲人群。源站未提供测序深度、覆盖度、质控指标、变异验证方法及数据完整性说明，相关质量信息无法从现有描述中获知。
【引用与许可】
源站未提供该数据集的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/EGAS00001004430
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
背景：烟草或人乳头瘤病毒驱动的口咽鳞状细胞癌（OpSCC）代表不同的临床、生物学和流行病学实体。目的：本研究旨在基于非欧洲人群OpSCC样本中的体细胞改变识别遗传变异，并检验其与临床特征的关联。材料与方法：通过下一代测序对51份OpSCC FFPE样本中15个OpSCC驱动基因的整个编码区进行了测序。
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。
