预处理TCGA乳腺浸润性癌多组学数据集（含生存注释）
该数据集来自TCGA乳腺浸润性癌（BRCA），包含710名患者、16,163个基因的RNA-seq基因表达、DNA甲基化和拷贝数变异三个组学层数据
基本信息
资源简介
预处理TCGA乳腺浸润性癌多组学数据集（含生存注释）
Preprocessed TCGA Breast Invasive Carcinoma Multi-Omics Dataset with Survival Annotations
该数据集来自TCGA乳腺浸润性癌（BRCA），包含710名患者、16,163个基因的RNA-seq基因表达、DNA甲基化和拷贝数变异三个组学层数据。数据经过ComBat批次校正、分位数归一化与对数转换、β值到M值转换及KNN缺失值填补等预处理，三个组学层已完成基因对齐并通过跨组学相关性验证。数据可直接用于生存预测、分子分型及整合多组学等下游机器学习任务（来源 DataONE，http://creativecommons.org/publicdomain/zero/1.0 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：来自TCGA乳腺浸润性癌（BRCA）的预处理多组学数据集，包含710名患者、16,163个基因的RNA-seq基因表达、DNA甲基化和拷贝数变异数据。该数据集经过全面的预处理和质量控制，包括ComBat批次校正（技术方差降低55%）、表达数据的分位数归一化和对数转换、甲基化数据的β值到M值转换，以及基于KNN的缺失值填补。所有三个组学层均已基因对齐，并通过预期的跨组学相关性进行生物学验证。该数据集完全可供分析，适用于生存预测、分子分型和整合多组学研究等下游机器学习任务。
【主题与分类】
主题标签：Medicine, Health and Life Sciences、Breast Invasive Carcinoma、Batch Effect Correction、Survival Analysis、Copy Number Variation、RNA-Seq、DNA Methylation、Multi-Omics、Computer and Information Science。本站分类：肿瘤。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A3a6224466f9b1bb2b5c9fc0ab31ac6cd706f90f2e0891af838ade0faa4af3b73
使用许可：http://creativecommons.org/publicdomain/zero/1.0。
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
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
来自TCGA乳腺浸润性癌（BRCA）的预处理多组学数据集，包含710例患者、16,163个基因的RNA-seq基因表达、DNA甲基化和拷贝数变异数据。该数据集经过了全面的预处理和质量控制，包括ComBat批次校正（技术方差降低55%）、表达数据的分位数归一化和对数转换、甲基化数据的β值到M值转换，以及基于KNN的缺失值插补。所有三个组学层均已实现基因对齐，并通过预期的跨组学相关性完成生物学验证。该数据集完全可供分析使用，适用于生存预测、分子分型和整合多组学研究等下游机器学习任务。
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。
