GDC MATCH-S2：基因组特征 CS-MATCH-0007 S2 组
该数据集来自 GDC 的 MATCH-S2 项目（CS-MATCH-0007 S2 组），原发部位为皮肤（未知具体部位），疾病类型为痣与黑色素瘤，属于 MATCH 计划
基本信息
资源简介
GDC MATCH-S2：基因组特征 CS-MATCH-0007 S2 组
GDC MATCH-S2（Genomic Characterization CS-MATCH-0007 Arm S2）是一个聚焦于皮肤肿瘤的基因组学数据集，归属于美国国家癌症研究所（NCI）基因组数据共享平台（GDC）的 MATCH 计划。该数据集的原发部位为皮肤（具体部位未知），疾病类型为痣与黑色素瘤（Nevi and Melanomas）。项目共收录 3 例病例、61 个文件，总数据规模约 217.2 GB，涵盖临床、生物样本、RNA 测序、全外显子测序、甲基化及影像等多类数据，并分为开放获取与受控获取两个层级。该数据集适合用于皮肤黑色素瘤及相关痣病变的基因组特征研究，尤其是针对 MATCH 计划框架下的精准肿瘤学分析。
【数据集背景】
该数据集来自 GDC 的 MATCH-S2 项目，项目全称为 Genomic Characterization CS-MATCH-0007 Arm S2。MATCH 是美国国家癌症研究所主导的一项精准肿瘤学计划，旨在将患者的基因组信息与靶向治疗进行匹配。MATCH-S2 是该计划下的一个特定分组（Arm S2），专注于皮肤来源的肿瘤样本。原发部位标注为皮肤，但具体解剖亚部位未知。疾病类型明确为痣与黑色素瘤，属于皮肤癌范畴。该数据集是 GDC harmonized 癌症基因组学项目的一部分，遵循 GDC 统一的数据处理与质控标准。
【数据内容】
数据集包含 3 例病例和 61 个文件，总大小约 217.2 GB。数据类型覆盖临床信息、生物样本数据、RNA 测序（RNA-Seq）、全外显子测序（WXS）、甲基化数据以及影像数据。这些数据分为开放获取和受控获取两个访问层级。开放层级通常包含不涉及个体隐私的汇总或非敏感数据，受控层级则包含需要授权才能访问的个体层级基因组与临床数据。主题标签为“Nevi and Melanomas”，表明数据内容围绕痣与黑色素瘤的分子特征展开。
【采集与来源】
数据来源于 portal.gdc.cancer.gov，即 NCI 基因组数据共享平台。该平台是国际公认的癌症基因组学数据仓库，负责对来自不同研究项目的原始数据进行统一协调、标准化处理和分发。MATCH-S2 项目的数据由 GDC 进行 harmonization，确保与平台内其他项目的数据在格式和质控上保持一致。源站未提供具体的样本采集时间、采集地点、机构名称或患者入组标准等细节。
【适用场景】
该数据集适用于皮肤黑色素瘤及痣病变的基因组特征研究，包括但不限于：识别与黑色素瘤发生发展相关的体细胞突变、基因表达改变、甲基化模式异常；探索 RNA 测序与全外显子测序数据在皮肤肿瘤分子分型中的应用；结合临床与影像数据进行多模态分析；以及作为 MATCH 计划中皮肤癌分支的验证或对比数据集。由于样本量较小（3 例），该数据集更适合作为方法学探索、假设生成或与其他大型皮肤癌数据集联合分析的补充资源，而非独立的确证性研究。
【使用方法】
用户可通过 GDC 数据门户（portal.gdc.cancer.gov）访问该数据集。开放获取层级的数据可直接下载；受控获取层级的数据需通过数据库授权申请（dbGaP 或 GDC 受控访问流程）获得批准后方可使用。数据文件包括 RNA-Seq、WXS、甲基化及影像等类型，通常以标准格式（如 BAM、VCF、IDAT 等）提供。分析时建议参考 GDC 提供的官方流程文档和工具，以确保数据解读的一致性。源站未提供具体的分析教程或推荐软件列表。
【质量与限制】
该数据集由 GDC 进行 harmonization，具备统一的质控和标准化处理，数据质量有平台保障。然而，样本量仅为 3 例病例，统计效力有限，结论外推需谨慎。原发部位标注为“皮肤，未知”，缺乏具体解剖亚部位信息，可能影响与特定皮肤区域相关的研究。此外，源站未提供样本的详细临床分期、治疗史、随访信息或测序深度等质控指标，用户需自行评估数据适用性。受控访问层级的数据获取存在审批门槛，可能限制部分研究的可重复性。
【引用与许可】
使用该数据集时，应遵循 GDC 的数据使用政策和 MATCH 计划的相关要求。开放获取数据通常无需额外许可，但建议引用 GDC 及 MATCH 项目。受控获取数据需遵守数据使用协议（DUA），不得未经授权共享个体层级数据。源站未提供具体的引用格式、许可协议全文或数据使用条款的详细说明，用户应直接查阅 GDC 门户上的官方政策页面。
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。
需登录公开下载
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://portal.gdc.cancer.gov/projects/MATCH-S2
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:
数据集大小约 233.24 GB。
数据说明
GDC project MATCH-S2 (Genomic Characterization CS-MATCH-0007 Arm S2). Primary site: Skin, Unknown. Disease type: Nevi and Melanomas. Program: MATCH. Cases: 3. Files: 61. Total size: 217.2 GB. NCI Genomic Data Commons harmonized cancer genomics project (clinical, biospecimen, RNA-Seq, WXS, methylation and imaging data; open and controlled access tiers).
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。
