整合表观遗传与表型特征的多模态学习癌症患者生物学年龄估计数据集

数据集获取

源站：https://doi.org/10.6084/m9.figshare.29151062

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 3.67 GB。

数据说明

数据集概述该数据集源自LinkedOmics数据库，包含两个子集：Internal_8_cancer_cohorts：乳腺浸润性癌（BRCA）、结直肠腺癌（COADREAD）、头颈部鳞状细胞癌（HNSC）、肺腺癌（LUAD）、肺鳞状细胞癌（LUSC）、泛肾癌（KIPAN）、胃和食管癌（STES）、甲状腺癌（THCA）External_4_cancer_cohorts：膀胱尿路上皮癌（BLCA）、胰腺腺癌（PAAD）、皮肤黑色素瘤（SKCM）、睾丸生殖细胞肿瘤（TGCT）数据来源LinkedOmics，包含来自32种TCGA癌症类型和10个临床蛋白质组肿瘤分析联盟（CPTAC）癌症队列的多组学数据。引用我们的论文Jiang S, Ma W, Yu S, Su C, Yan R, Lu J. Integrating Epigenetic and Phenotypic Features for Biological Age Estimation in Cancer Patients via Multimodal Learning. In 2025 IEEE International Conference on Bioinformatics and Biomedicine.

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。