GTEx 与 TCGA

内容与规模

TCGA（2006 年起，NCI）覆盖 33 种癌症，>20,000 例原发肿瘤及配对正常样本，数据 >2.5PB；GDC 当前为 Data Release 46.0（2026-08-10）[1][2]。GTEx（2010 年起，NIH）提供多组织正常转录组，官方页未能抓到数字（未查到）。

格式与 license

两者均分开放层与受控层：汇总/表达矩阵多可公开下载，个体级基因型与读段需经 dbGaP 申请，见 NIH 受控数据访问限制与 AI 训练限制。个体级走 dbGaP 的说法未回源核到一手来源 ⚠️ 待复核。

哪些模型拿它训练或评测

未核到把二者作为主要训练底座的具体基础模型；常见用途是组织表达参考、肿瘤分型和 eQTL 分析的基线，与 DepMap（细胞系）互补。

已知偏差与泄漏

TCGA 偏向手术可切除的治疗前原发肿瘤，种族构成以欧裔为主；GTEx 样本来自尸检/器官捐献，死亡过程影响 RNA 质量。受控准入使二者属"合规壁垒"而非价格壁垒，类似 UK Biobank。

来源

1. https://www.cancer.gov/ccg/research/genome-sequencing/tcga (2026-10-15)
2. https://api.gdc.cancer.gov/status (API 实测，GDC Data Release 46.0，2026-08-10)