CPTAC胰腺导管腺癌蛋白质组数据集

Name: CPTAC胰腺导管腺癌蛋白质组数据集
Creator: Clinical Proteomic Tumor Analysis Consortium

CPTAC-PDAC 提供胰腺导管腺癌蛋白质组、磷酸化蛋白组及相关临床数据，适合生物标志物和分子分型研究。由Clinical Proteomic Tumor Analysis Consortium提供，来自Proteomic Data Commons，数据格式为表格，适用于分类任务，专注于肿瘤领域的胰腺癌研究。

Clinical Proteomic Tumor Analysis Consortium

Proteomic Data Commons

表格分类Pancreatic Ductal Adenocarcinoma

基本信息

模态

表格

任务类型

分类

创建/更新时间

2026-09-28

资源简介

CPTAC胰腺导管腺癌蛋白质组数据集

【一句话概览】

胰腺导管腺癌（Pancreatic Ductal Adenocarcinoma）是胰腺癌中最常见的类型，起源于胰腺导管上皮细胞。该病早期症状隐匿，多数患者确诊时已处于晚期，治疗难度较大，预后较差。目前主要治疗手段包括手术切除、化疗和放疗等综合治疗方式（来源 proteomic.datacommons.cancer.gov）。

【数据集背景】

本数据集源站标题为《Pancreatic Ductal Adenocarcinoma》。

【主题与分类】

主题标签：Pancreatic Ductal Adenocarcinoma。

【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://proteomic.datacommons.cancer.gov/pdc/browse/filters/disease_type%3APancreatic%20Ductal%20Adenocarcinoma

原始链接

https://proteomic.datacommons.cancer.gov/pdc/browse/filters/disease_type%3APancreatic%20Ductal%20Adenocarcinoma

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。

暂未开放

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://proteomic.datacommons.cancer.gov/pdc/browse/filters/disease_type%3APancreatic%20Ductal%20Adenocarcinoma

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

CPTAC-PDAC 提供胰腺导管腺癌蛋白质组、磷酸化蛋白组及相关临床数据，适合生物标志物和分子分型研究。

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))