ICGC肺腺癌队列数据
ICGC LUAD-US 是肺腺癌基因组数据集，包含突变、表达及临床随访信息，支持肺癌驱动基因分析、生存预测及分子机制研究。
基本信息
资源简介
ICGC肺腺癌队列数据
【一句话概览】
ICGC Data Portal 已于 2024 年 6 月正式关闭。官方感谢所有参与者的奉献、热情与贡献。虽然交互式网页门户已停用，但最新发布版本及 PCAWG 数据仍对授权用户开放；如需获取 ICGC 25K 数据，可查阅 ICGC 25K Data Access 文档。ICGC ARGO 项目是国际癌症基因组联盟的新阶段，旨在将基因组知识转化为改善癌症患者预后的新方法。如有疑问可联系 ICGC ARGO Helpdesk（来源 dcc.icgc.org）。
【数据集背景】
本数据集源站标题为《ICGC Data Portal》。
【数据内容】
源站原始描述：ICGC Data Portal | Retirement Notice ICGC Data Portal The ICGC Data Portal officially closed in June, 2024 We sincerely thank all involved for your dedication, passion, and contributions. While the interactive web portal has been decommissioned, the most recent release and PCAWG data remain available for authorized users. For information on accessing ICGC 25K data, see the documentation for ICGC 25K Data Access . The Accelerating Research in Genomic Oncology (ICGC ARGO) project is a new phase of…
中文译文（机器翻译，仅供快速理解，请以原文为准）：ICGC数据门户 | 退役通知 ICGC数据门户 ICGC数据门户于2024年6月正式关闭。我们衷心感谢所有参与者的奉献、热情和贡献。虽然交互式网页门户已停用，但最新发布的数据和PCAWG数据仍可供授权用户使用。有关访问ICGC 25K数据的信息，请参阅ICGC 25K数据访问文档。加速基因组肿瘤学研究（ICGC ARGO）项目是国际癌症基因组联盟的新阶段，旨在将基因组知识转化为改善癌症患者预后的新方法。欲了解更多信息，请访问www.icgc-argo.org。如有任何问题，请联系ICGC ARGO Helpdesk。© 2024 国际癌症基因组联盟。保留所有权利。
【主题与分类】
主题标签：ICGC、cancer genomics、PCAWG、ICGC ARGO、ICGC 25K。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://dcc.icgc.org/projects/LUAD-US
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://dcc.icgc.org/projects/LUAD-US
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 2.00 GB。
数据说明
ICGC LUAD-US 数据集提供肺腺癌患者的基因组突变、表达及临床生存信息，用于肺癌基因驱动机制及预后模型研究。
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))
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。
