DECIPHER PIK3CA基因表型数据
DECIPHER PIK3CA Gene Overview 是与血管畸形（Vascular malformations）相关的公开数据资源，主要包含PIK3CA相关拷贝数变异、序列变异和表型关联概览数据，数据模态为表格，适合用于分类、模型训练、基准评测或临床特征分析。
基本信息
资源简介
DECIPHER PIK3CA基因表型数据
【一句话概览】
PIK3CA 是位于正链的基因，编码磷脂酰肌醇-4,5-二磷酸 3-激酶催化亚基 α，又称 PI3K，Ensembl 编号 ENSG00000121879。其功能为磷酸肌醇 3-激酶在肌醇环第 3 位磷酸化磷脂酰肌醇及其磷酸化衍生物，生成 3-磷酸磷脂酰肌醇，并利用 ATP 和 PtdIns(4,5)P2。DECIPHER 在该基因中收录 12 个序列变异，来自 12 名开放获取受试者（来源 deciphergenomics.org）。
【数据集背景】
本数据集源站标题为《PIK3CA》。
【数据内容】
源站原始描述：Forward strand gene: phosphatidylinositol-4,5-bisphosphate 3-kinase catalytic subunit alpha Also known as: PI3K, ENSG00000121879 Function: Phosphoinositide-3-kinase (PI3K) phosphorylates phosphatidylinositol (PI) and its phosphorylated derivatives at position 3 of the inositol ring to produce 3-phosphoinositides (PubMed:15135396, PubMed:23936502, PubMed:28676499). Uses ATP and PtdIns(4,5)P2 (phosphatidylinositol 4,5… Show more Source: UniProt DECIPHER holds 12 sequence variants in this gene, in…
中文译文（机器翻译，仅供快速理解，请以原文为准）：正向链基因：磷脂酰肌醇-4,5-二磷酸3-激酶催化亚基α 又称：PI3K，ENSG00000121879 功能：磷酸肌醇-3-激酶（PI3K）在肌醇环的第3位磷酸化磷脂酰肌醇（PI）及其磷酸化衍生物，生成3-磷酸肌醇（PubMed:15135396, PubMed:23936502, PubMed:28676499）。利用ATP和PtdIns(4,5)P2（磷脂酰肌醇4,5… 显示更多 来源：UniProt DECIPHER在该基因中拥有12个序列变异，涉及12名开放获取患者
【主题与分类】
主题标签：PIK3CA、PI3K、ENSG00000121879、phosphatidylinositol-4,5-bisphosphate 3-、sequence variants、DECIPHER。
【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://www.deciphergenomics.org/gene/PIK3CA/overview
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://www.deciphergenomics.org/gene/PIK3CA/overview
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
DECIPHER PIK3CA基因表型数据包含PIK3CA相关拷贝数变异、序列变异和表型关联概览数据，可用于血管畸形相关的分类研究。
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。
