DepMap癌症依赖图谱

DepMap整合CCLE分子数据、CRISPR筛选、RNAi筛选和药物敏感性信息,适合癌症靶点发现和功能基因组学研究。

Broad InstituteBroad Institute
DepMap Portal
2026-01-01 更新
浏览 27
多模态分类cancerdependency mapCRISPRgenomicsproteomicscell linespediatricDepMap
DepMap Cancer Dependency Map

基本信息

模态
多模态
数据量
1970
任务类型
分类
创建/更新时间
2026-01-01

资源简介

DepMap癌症依赖图谱

【一句话概览】

DepMap(癌症依赖图谱)项目由Broad Institute开展,其门户网站旨在通过开放获取关键癌症依赖性数据、分析及可视化工具,帮助研究界发现与癌症脆弱性相关的成果。该项目涉及癌症、依赖图谱、CRISPR、基因组学、蛋白质组学、细胞系及儿科等方向(来源 depmap.org)。

【数据集背景】

本数据集源站标题为《DepMap: The Cancer Dependency Map Project at Broad Institute》。

【数据内容】

源站原始描述:The goal of the Dependency Map (DepMap) portal is to empower the research community to make discoveries related to cancer vulnerabilities by providing open access to key cancer dependencies, analytical, and visualization tools

中文译文(机器翻译,仅供快速理解,请以原文为准):依赖图谱(DepMap)门户的目标是通过提供对关键癌症依赖性、分析及可视化工具的开放访问,赋能研究界在癌症脆弱性方面做出发现。

【主题与分类】

主题标签:cancer、dependency map、CRISPR、genomics、proteomics、cell lines、pediatric、DepMap。

【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://depmap.org/portal/

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://depmap.org/portal/

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。

数据说明

DepMap整合CCLE分子数据、CRISPR筛选、RNAi筛选和药物敏感性信息,适合癌症靶点发现和功能基因组学研究。

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。

获取专属数据定制方案