基本信息

模态

时间序列

任务类型

分类

创建/更新时间

2026-11-04

资源简介

SNP array 肿瘤数据集

SNP array 数据集来自 omicsdi.org，归类于肿瘤 / 其他方向，主题标签为 Genomics。该研究围绕胆管癌相关样本展开，整体设计包含两个患者队列：筛查队列由 40 名德国患者组成，验证队列由 40 名亚洲患者组成；此外，研究还分析了胆管和 CCA 细胞系。本数据集提供其中筛查队列一个 36 名患者子集的肿瘤/正常配对 SNP array 数据，并额外包含这 36 名患者中一例的复发肿瘤样本。数据由 Illumina OmniExpress-24 v1.1 Bead Array 平台生成，以 IDAT 文件格式存储，可用于围绕肿瘤与正常样本之间的基因组变异开展进一步分析。

【数据集背景】

该数据集所属研究聚焦胆管癌及相关肿瘤样本的基因组分析，设置了筛查队列与验证队列两个患者群体。筛查队列包含 40 名来自德国的患者，验证队列包含 40 名来自亚洲的患者。除患者样本外，研究还涉及胆管和 CCA 细胞系的分析。这一设计表明研究在人群构成上覆盖了不同地域来源，并同时纳入患者样本与细胞系材料，以支持肿瘤相关基因组特征的探索。本站将该数据集分类为肿瘤 / 其他，主题标签为 Genomics，说明其核心内容属于肿瘤基因组学范畴。

【数据内容】

本数据集包含 SNP array 数据，具体为肿瘤/正常配对样本。数据覆盖筛查队列中一个 36 名患者的子集，并额外包含这 36 名患者中一例的复发肿瘤样本。样本类型包括肿瘤组织与正常组织配对，以及一例复发肿瘤样本。数据生成平台为 Illumina OmniExpress-24 v1.1 Bead Array，存储格式为 IDAT 文件。IDAT 格式通常与 Illumina 芯片原始信号数据相关，适合后续进行基因分型、拷贝数变异等分析。除上述信息外，源站未提供更多关于具体变异类型、分析结果或临床注释的内容。

【采集与来源】

数据来源站为 omicsdi.org。研究样本来自两个患者队列：筛查队列为 40 名德国患者，验证队列为 40 名亚洲患者。本数据集对应筛查队列中 36 名患者的肿瘤/正常配对样本，并包含其中一例患者的复发肿瘤样本。研究还分析了胆管和 CCA 细胞系。数据由 Illumina OmniExpress-24 v1.1 Bead Array 生成，并以 IDAT 文件格式存储。关于样本采集时间、采集机构、伦理审批信息以及具体细胞系来源，源站未提供。

【适用场景】

该数据集适用于肿瘤基因组学相关研究，尤其是围绕胆管癌及 CCA 的 SNP array 分析。由于包含肿瘤/正常配对数据，可用于识别肿瘤样本中相对于正常样本的基因组变异，例如拷贝数变化或杂合性缺失等。数据中额外包含一例复发肿瘤样本，可用于探索同一患者原发与复发肿瘤之间的基因组差异。研究设计包含德国筛查队列与亚洲验证队列，提示该数据可能用于跨人群比较或验证性分析。此外，胆管和 CCA 细胞系的分析信息也可为体外模型与患者样本之间的比较提供参考。具体分析类型需结合原始数据与研究方法确定。

【使用方法】

本数据集以 IDAT 文件格式存储，通常需要使用支持 Illumina 芯片 IDAT 格式的软件进行读取和预处理。常见流程包括将 IDAT 文件导入基因分型或拷贝数分析软件，完成样本质控、信号归一化、基因型 calling 以及后续的变异检测。由于数据为肿瘤/正常配对设计，分析时通常将肿瘤样本与对应正常样本进行配对比较，以区分胚系变异与体细胞变异。对于包含复发肿瘤样本的病例，可将原发肿瘤、复发肿瘤与正常样本进行联合分析。具体软件选择、参数设置和分析流程需依据研究目的和原始数据质量确定。源站未提供详细的操作步骤或推荐工具。

【质量与限制】

本数据集基于 Illumina OmniExpress-24 v1.1 Bead Array 生成，样本来自筛查队列中 36 名患者的肿瘤/正常配对，并包含一例复发肿瘤样本。研究整体包含 40 名德国患者的筛查队列和 40 名亚洲患者的验证队列，但本数据集仅覆盖筛查队列中的 36 名患者子集，并非全部筛查队列样本，也不包含验证队列样本。关于数据质量指标、缺失率、批次效应、样本排除标准以及临床随访信息，源站未提供。此外，IDAT 文件为原始信号数据，后续分析结果可能受预处理方法和软件参数影响。使用时应结合具体研究问题评估数据适用性。

【引用与许可】

源站未提供引用信息与许可条款。使用该数据集时，应参考 omicsdi.org 来源站的相关说明，并遵循原始数据提供方的引用与使用要求。由于源站未提供具体许可信息，无法确认数据再分发或商业使用的条件。

原始链接

https://omicsdi.org/dataset/ega/EGAD00010002597

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求？千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

去商城查看获取定制方案

使用方式

数据集获取

源站：https://omicsdi.org/dataset/ega/EGAD00010002597

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。

数据说明

整个研究包括两个患者队列。筛选队列：40名德国患者；验证队列：40名来自亚洲的患者。此外，还分析了胆管和CCA细胞系。
该数据集包含筛选队列中36名患者子集的肿瘤/正常配对SNP阵列数据，以及这36名患者中一例的额外复发肿瘤数据。数据是在OmniExpress-24 v1.1 Bead Array（Illumina）上生成的，并以IDAT文件格式存储。

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