葡萄膜黑色素瘤原发与转移样本多组学数据集
该数据集来自 omicsdi.org，聚焦葡萄膜黑色素瘤（UM）的转移进展与肿瘤异质性研究。数据覆盖 28 例 UM 患者的体质性样本、原发肿瘤样本和转移样本，包含全外显子测序与转录组学数据
基本信息
资源简介
葡萄膜黑色素瘤原发与转移样本多组学数据集
该数据集聚焦葡萄膜黑色素瘤（Uveal Melanoma, UM）的转移进展与肿瘤异质性研究。葡萄膜黑色素瘤是成人中最常见的原发性眼内恶性肿瘤，尽管原发肿瘤的诊断和治疗水平有所提高，但转移性疾病仍缺乏有效治疗手段，约半数患者在发现转移后一年或更短时间内死亡。肿瘤异质性被认为是耐药性的关键因素，但在葡萄膜黑色素瘤中研究甚少。该数据集围绕寻找转移进展的特异性驱动因素、描述转移性葡萄膜黑色素瘤的基因组与转录组图谱、探索肿瘤异质性及其在耐药中的作用等目标构建，数据覆盖28例葡萄膜黑色素瘤患者的体质性样本、原发肿瘤样本和转移样本，包含全外显子测序与转录组学数据，主题标签为基因组学。
【数据集背景】
葡萄膜黑色素瘤是成人中最常见的原发性眼内恶性肿瘤。尽管原发肿瘤的诊断和治疗有所改善，转移性疾病仍无有效治疗手段，约半数患者在转移检测后一年或更短时间内死亡。肿瘤异质性被认为是耐药性的关键因素，但在葡萄膜黑色素瘤中研究甚少。该数据集所属分类为肿瘤/皮肤癌，来源于omicsdi.org，旨在通过多组学手段深入探索葡萄膜黑色素瘤的转移进展机制、基因组与转录组特征以及肿瘤异质性与耐药性的关系。
【数据内容】
该数据集包含28例葡萄膜黑色素瘤患者的样本数据，样本类型涵盖体质性样本、原发肿瘤样本和转移样本。数据内容包括全外显子测序和转录组学数据，用于描述转移性葡萄膜黑色素瘤的基因组和转录组景观。主题标签为基因组学。数据集英文名称为8044f1ed-f7ee-42e5-87e3-6506d5746d96 - samples。除上述信息外，源站未提供更细粒度的数据内容说明。
【采集与来源】
该数据集来源于omicsdi.org。源站描述指出，本项目针对28例葡萄膜黑色素瘤患者，对其体质性样本、原发肿瘤样本和转移样本进行了全外显子测序和转录组学分析。关于具体的样本采集地点、采集时间、伦理审批信息、测序平台及试剂型号等，源站未提供。
【适用场景】
该数据集适用于葡萄膜黑色素瘤转移进展相关驱动因素的探索性研究，可用于分析转移性葡萄膜黑色素瘤的基因组与转录组特征，也可用于肿瘤异质性及其与耐药性关系的相关研究。由于数据涵盖体质性、原发肿瘤和转移三类样本，适合开展原发灶与转移灶之间的比较分析。其他具体应用场景源站未提供。
【使用方法】
该数据集可通过omicsdi.org获取。关于数据的具体下载方式、文件格式、数据组织结构和访问权限等，源站未提供。
【质量与限制】
该数据集基于28例葡萄膜黑色素瘤患者样本，样本量相对有限。源站未提供关于数据质量评估、测序深度、覆盖度、批次效应、缺失值处理等质量控制信息。此外，源站未提供数据的使用限制说明。
【引用与许可】
源站未提供该数据集的引用方式及许可信息。
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/EGAD00001004554
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
葡萄膜黑色素瘤（UM）是成人中最常见的原发性眼内恶性肿瘤。尽管原发肿瘤的诊断和治疗有所改善，但转移性疾病尚无有效治疗方法，约半数患者在发现转移后一年内或更短时间内死亡。肿瘤异质性被认为是耐药性的关键因素。然而，在UM中对此研究甚少。本项目旨在寻找转移进展的特异性驱动因素，描述转移性UM的基因组和转录组图谱，探索肿瘤异质性并研究其在耐药性中的作用。因此，我们对28例UM患者的体质性、原发肿瘤和转移样本进行了全外显子组测序和转录组学分析。
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。
