食管癌及癌前病变的组织与血浆RNA数据集
该数据集来自omicsdi.org，对17例食管腺癌、高级别异型增生或非异型增生Barrett食管患者的多种样本进行了编码与非编码RNA的全面RNA测序分析
基本信息
资源简介
食管癌及癌前病变的组织与血浆RNA数据集
该数据集英文名为 Tissue and plasma RNA from esophageal cancer and precursor lesions，收录于 omicsdi.org，本站归类为肿瘤 / 其他，主题标签为 Genomics。它针对食管腺癌及其癌前病变，对来自 17 例患者的多种样本开展了编码与非编码 RNA 的全面 RNA 测序分析。每位患者均纳入一份血浆样本、一份健康食管组织样本和一份病变组织样本，最终形成包含 51 份样本、102 个 RNA-seq 文库的综合数据资源。该数据集为发现新型生物标志物、理解疾病机制、比较组织与液体活检图谱、整合编码与非编码 RNA 模式等研究提供了独特素材。
【数据集背景】
过去数十年间，食管腺癌在西方人群中的发病率急剧上升，而患者的生存率仍然很低，亟需更深入地理解疾病病因，并识别新的预后与预测生物标志物。正是在这一背景下，研究者对食管腺癌、高级别异型增生以及非异型增生 Barrett 食管患者的样本进行了系统的 RNA 表达谱分析，试图从转录层面刻画疾病发生发展过程中的分子特征。
【数据内容】
该数据集的核心内容是 RNA 测序数据，覆盖编码 RNA 与非编码 RNA 两类转录本。样本来自 17 例被诊断为食管腺癌、高级别异型增生或非异型增生 Barrett 食管的患者。每位患者贡献三类样本：一份血液血浆样本、一份健康食管组织样本和一份疾病组织样本。整体数据规模为 51 份样本、102 个 RNA-seq 文库，即每份样本对应两个文库，体现了对编码与非编码 RNA 的分别或全面 profiling 设计。
【采集与来源】
数据来源于 omicsdi.org 所收录的数据集，原始描述指出该研究在多种样本类型上完成了全面的 RNA（包括编码与非编码）profiling。样本类型明确包括血液血浆、健康食管组织和病变组织，患者疾病谱涵盖食管腺癌、高级别异型增生和非异型增生 Barrett 食管。关于具体的样本采集流程、测序平台、建库方法等细节，源站未提供。
【适用场景】
该数据集可用于多个研究方向：发现新的生物标志物；探索食管腺癌及其癌前病变的疾病机制；比较组织活检与液体活检（血浆）的表达谱特征；整合编码 RNA 与非编码 RNA 的表达模式开展联合分析。由于同时包含同一患者的健康组织、病变组织和血浆样本，它也适合开展个体内配对比较研究。
【使用方法】
源站未提供具体的使用方法、数据下载方式、文件格式说明或分析流程指引。
【质量与限制】
该数据集样本量来自 17 例患者，共 51 份样本、102 个 RNA-seq 文库，属于较为聚焦的资源性数据集。关于数据质量评估、批次效应、测序深度、缺失值处理等质量控制信息，源站未提供。使用时应注意其样本规模和疾病分组构成，相关结论的外推需谨慎。
【引用与许可】
源站未提供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://omicsdi.org/dataset/ega/EGAS00001004939
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
在过去的几十年里，西方人群中食管腺癌的发病率急剧上升。为了改善极低的生存率，迫切需要更深入地了解疾病的病因学，并识别新的预后和预测生物标志物。在此，我们对17名诊断为食管腺癌、高级别不典型增生或非不典型增生巴雷特食管的患者的各种样本进行了全面的RNA（包括编码和非编码）分析。每位患者均包括一份血浆样本，以及一份健康食管组织和一份病变组织样本。总体而言，这个综合数据集包含来自51份样本的102个RNA-seq文库。这一独特的资源有助于发现新的生物标志物和疾病机制，比较组织和液体活检图谱，整合编码和非编码RNA模式，并可作为其他RNA景观研究的验证数据集。此外，该数据集还可识别结构性RNA差异，包括蛋白质编码突变融合基因和环状RNA。
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。
