CGCI非霍奇金淋巴瘤数据集
肿瘤领域表格公开数据集，来源：NCBI。
基本信息
资源简介
CGCI非霍奇金淋巴瘤数据集
【一句话概览】
美国国家癌症研究所癌症基因组特征计划（CGCI）针对非霍奇金淋巴瘤开展研究，涵盖弥漫大B细胞淋巴瘤、滤泡性淋巴瘤及成人与儿童伯基特淋巴瘤，数据存于NCI基因组数据共享平台。研究采用二代测序技术，包括mRNA-seq和全基因组鸟枪法测序，检测体细胞突变、染色体改变及表达水平。样本来自加拿大不列颠哥伦比亚省统一分期、治疗和随访的患者，共测序117例肿瘤样本和10个细胞系，受试者118人（来源 NCBI）。
【数据集背景】
本数据集源站标题为《National Cancer Institute (NCI) Cancer Genome Characterization Initiative (CGCI): Non-Hodgkin Lymphoma》。
【数据内容】
源站原始描述：The Office of Cancer Genomics (OCG) at the National Cancer Institute sponsored a series of studies as part of the Cancer Genome Characterization Initiative (CGCI) to assess novel emerging sequencing technologies in cancer. The CGCI program included comprehensive characterization of the genetic aberrations found in different pediatric and/or adult tumors. CGCI characterized a number of B-cell non-Hodgkin lymphomas (including diffuse large B-cell lymphoma (DLBCL), follicular lymphoma (FL), and adu…
中文译文（机器翻译，仅供快速理解，请以原文为准）：美国国家癌症研究所（National Cancer Institute）癌症基因组学办公室（Office of Cancer Genomics, OCG）资助了一系列研究，作为癌症基因组特征描述计划（Cancer Genome Characterization Initiative, CGCI）的一部分，旨在评估癌症领域新兴的测序技术。CGCI计划包括对不同儿童和/或成人肿瘤中发现的基因畸变进行全面特征描述。CGCI对多种B细胞非霍奇金淋巴瘤进行了特征描述（包括弥漫性大B细胞淋巴瘤（DLBCL）、滤泡性淋巴瘤（FL）以及成人和儿童伯基特淋巴瘤）。这些项目的所有数据均可在NCI基因组数据共享平台（NCI Genomic Data Commons）获取。综合来看，淋巴系统癌症（非霍奇金淋巴瘤、霍奇金淋巴瘤、骨髓瘤和慢性淋巴细胞白血病）在北美男性和女性中均构成第四大常见恶性肿瘤。淋巴瘤通常具有特征性的异常染色体，包括易位，表明突变与非霍奇金淋巴瘤的发生和发展方式相关。该项目对一组特征明确的特定肿瘤进行了详细分析，以提供一份针对淋巴瘤类型特异性且各类型共有的基因组变化的候选列表。由此产生的数据有助于研究临床行为、治疗反应、患者结局和生存期，以及治疗药物的靶向通路。CGCI研究人员通过使用最先进的RNA测序（mRNA-seq）和全基因组鸟枪法测序（WGS），结合前沿的生物信息学、数据管理和分析方法，比以往更深入地探究了基因组改变。具体而言，研究采用第二代测序技术对非霍奇金淋巴瘤的体细胞突变、染色体改变和表达水平进行了调查。新鲜冷冻活检材料和体质性DNA采集自加拿大不列颠哥伦比亚省分期、治疗和随访均统一的非霍奇金淋巴瘤患者。该项目已对117例非霍奇金淋巴瘤肿瘤样本和10个细胞系的肿瘤DNA和/或RNA进行了测序。这包括1例滤泡性淋巴瘤（FL）和13例弥漫性大B细胞淋巴瘤（DLBCL）…
【主题与分类】
主题标签：Non-Hodgkin Lymphoma、Diffuse Large B-Cell Lymphoma、Follicular Lymphoma、Burkitt Lymphoma、mRNA-seq、Whole Genome Shotgun Sequencing、Exome Sequencing、Cancer Genomics。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000532.v18.p6
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://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000532.v18.p6
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
NCI癌症基因组表征计划中的非霍奇金淋巴瘤测序数据，覆盖DLBCL、FL和Burkitt淋巴瘤等类型。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
