信息速览
Kids First 数据资源中心（Kids First Data Resource Center，Kids First DRC）是美国国立卫生研究院 Common Fund 旗下「Gabriella Miller Kids First 儿童研究计划」的数据平台。它收的不是全部儿科疾病，而是两类：儿童癌症，与结构性出生缺陷。这两类病在临床上相距很远，项目之所以把它们放进同一个库，是因为有一个具体的假设要检验——出生缺陷患儿发生儿童癌症的风险偏高，说明两者可能共享一部分遗传通路。
数据以家系为单位组织。多数研究以患儿为起点，连同父母甚至受累同胞一起测序，形成三联体或更大的家系结构，这样才可能从患儿独有的新发变异里找病因。截至官方首页最近一次公布，平台收录 37 项研究、3.8 万余患者与家庭成员参与者、14.7 万余份样本、125 万余个数据文件。
与多数公共基因组资源相比，它最显著的边界在访问方式上。数据分两级：注册层，注册门户账号并同意条款即可访问；受控层，须经 dbGaP 数据访问请求、Kids First 数据访问委员会审批，签署数据使用认证后才能取用。获批之后，分析也在云平台 CAVATICA 上进行，个体级文件不是拿来下载的。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全称 | Gabriella Miller Kids First Data Resource（Kids First 数据资源中心） |
| 上级计划 | NIH Common Fund「Gabriella Miller Kids First 儿童研究计划」 |
| 法律依据 | Gabriella Miller Kids First Research Act，2014 年 4 月签署，授权每年一千二百六十万美元、为期十年 |
| 平台启动 | 2018 年 6 月门户上线，首批研究同期发布 |
| 疾病范围 | 儿童癌症、结构性出生缺陷，另设交叉条件研究 |
| 研究数量 | 官方首页 37 项；NIH Common Fund 页面写 36 项已公开数据 |
| 参与者 | 3.8 万余患者与家庭成员（合计，非独立患儿数） |
| 样本与文件 | 14.7 万余份样本，125 万余个文件 |
| 主要数据类型 | 全基因组测序、RNA 测序、全外显子测序、linked-read 全基因组、长读长测序 |
| 变异类型 | 胚系变异以 gVCF 与联合分型提供；肿瘤样本另产出 SNV、CNV、SV |
| 临床本体 | 表型用 HPO，诊断用 MONDO，来源文本原样保留 |
| 访问层级 | 注册层（R）与受控层（C）两级 |
| 审批机制 | dbGaP 数据访问请求，Kids First 数据访问委员会评审 |
| 分析平台 | CAVATICA（云端工作流与交互式笔记本）、PedcBioPortal（体细胞数据） |
| 不包含 | 泛儿科常见病、环境暴露、系统性随访、平台级影像、公开下载的个体级数据 |
§1 它要解决的具体麻烦
1.1 一种病分散在几十家医院
儿童癌症与结构性出生缺陷的共同点是罕见且分散。某一种出生缺陷在一家儿童医院一年可能只见到几例，做遗传学研究至少要几百个家系才有统计效力，没有任何单一机构凑得齐。传统的解决办法是多中心合作，但多中心合作的瓶颈不在招募，而在数据。
每家机构的样本处理、测序平台、变异检测流程、临床表型记录方式都不一样。同样是「室间隔缺损」，A 医院用手术记录写、B 医院用超声报告写、C 医院用国际疾病分类码写。把三家的数据放到一起，先要花半年做术语对齐，然后才能开始分析。Kids First 的做法是把这道工序集中化：由 NIH 出面组织申报，由指定测序中心统一测序，由数据资源中心统一协调化，再把结果交给全世界的研究者。
这条链路上有三个角色，缺一不可。研究者经 NIH 的 X01 机制申报队列并被选中；测序中心完成测序；数据资源中心负责接收、质检、协调化、配对临床与基因组文件，并发布。数据从研究者交到测序中心，到公开发布，中间有一个约六个月的预发布期，预发布期内只有该项目的原研究者能看，之后才对外释放。
1.2 三条常见的错误期待
| 常见期待 | 实际情况 |
|---|---|
| 以为它是一个可以打包下载的训练集 | 个体级数据须审批，获批后也不得再分发；分析在云上完成 |
| 以为它是「儿科版」的全病种数据库 | 只收儿童癌症与结构性出生缺陷两类，交叉条件研究是这两类的交集 |
| 以为参与者人数就是患儿人数 | 家系设计下大量参与者是父母与未受累同胞，患者数与参与者数不是一回事 |
1.3 它给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 某一种儿童肿瘤的胚系变异谱 | 联合分型的 gVCF 与体细胞变异，带家系结构 | 够，这是它的主场 |
| 出生缺陷与癌症的共享通路假设检验 | 两类队列同一套本体、同一套流程 | 够，这是设立它的原始动机 |
| 按表型检索并组建虚拟队列 | 门户数据探索工具，HPO 与 MONDO 双本体筛选 | 够 |
| 自己搭流程做重分析 | CAVATICA 提供公开工作流，可带入自有工具 | 够，但要在云上跑 |
| 长期随访与生存结局 | 生命状态与诊断年龄有，系统的纵向随访没有 | 不够 |
| 影像资料 | 仅个别研究附带，平台主体不是影像库 | 不够 |
| 环境与暴露因素 | 无 | 不够 |
| 直接下载全部个体级文件落本地 | 须在申请中说明机构存储与安全条件，官方推荐云上分析 | 一般不够 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 手上有一个罕见出生缺陷的家系，想找同病种的对照 | 用 MONDO 码检索同诊断的其他队列 | 在门户按诊断筛，导出参与者与文件清单 |
| 想做儿童肿瘤的胚系易感基因筛查 | 多癌种的胚系联合分型，带亲本信息 | 提交 dbGaP 请求，获批后在 CAVATICA 建项目 |
| 想验证「出生缺陷患儿癌症风险升高」的具体通路 | 交叉条件研究，两类队列在同一坐标系内 | 从交叉条件研究入手，再看单病种队列 |
| 想做体细胞突变的探索性分析 | PedcBioPortal 的可视化入口 | 按临床特征或体细胞变异分组比较 |
| 要用机器学习做变异致病性预测 | 变异带 ClinVar、gnomAD、CADD、VEP 注释 | 注意注释版本，跨版本比较要重新注释 |
| 要研究儿童哮喘、肥胖一类的常见儿科病 | 不在范围内 | 需另找队列资源 |
1.5 一句话判断
如果研究的是儿童癌症或结构性出生缺陷的遗传病因，并且愿意走 dbGaP 审批与云端分析这条路径，Kids First 是目前能拿到的最完整的跨机构儿童家系基因组集合之一；如果研究的是泛儿科疾病、需要长期随访，或必须把个体级数据落到本地，它不是合适的入口。
1.6 不适合谁：四条边界
第一，不适合把参与者数当患者数用的人。3.8 万余名参与者中，相当一部分是父母与未受累同胞——这是家系设计的必然结果，因为要判断一个变异是否新发，必须有双亲的序列作对照。按人独立计数会把有效样本量高估数倍。
第二，不适合需要随访终点的人。平台记录诊断年龄与生命状态，但各研究提交的是入组或诊断时点的快照，系统的纵向随访、治疗反应与复发信息并不完整。这与临床数据库性质的东西不是一回事。
第三，不适合需要把数据搬回本地的人。官方明确鼓励在 CAVATICA 上就地分析，因为把计算搬到数据旁边比把数据搬到计算旁边便宜得多。确实要本地存储的，须在数据访问请求里说明机构具备存储容量与安全基础设施。
第四，不适合想绕过审批的研究者。受控层的授权绑定到个人，通常记在项目负责人名下，负责人可以指定组员；跨机构的合作者要各自提交请求。数据使用认证禁止再分发与再识别，这不是提示性条款。
§2 数据构成与规格
2.1 两类疾病，三种研究域
门户给每项研究打一个「研究域」标签，取值只有三种：先天性异常、癌症、交叉条件。前两类对应项目的两大主线，第三类是两者的交集——比如唐氏综合征患儿同时发生先天性心脏病与急性淋巴细胞白血病的那类研究。这个三分法看起来简单，但它决定了检索时的第一道分叉：想研究共享通路，直接从交叉条件研究入手最快；想找某一病种的对照，还是要回到单病种队列。
研究数量在不同官方页面上并不完全一致。数据资源中心首页在最近一次读取时写 37 项研究，NIH Common Fund 的项目页写 36 项已公开数据，2025 年 7 月的一份概览材料写 36 个数据集。这几处差异不是错误，而是发布节奏造成的：新研究分批释放，各页面更新时点不同。引用时应写明口径。
2.2 字段字典
门户的数据字典把字段分成六组。下表列出实际检索中用得到的部分。
| 组 | 字段 | 含义 | 可否用于筛选 |
|---|---|---|---|
| 研究 | study_name |
研究全名，与 dbGaP 条目同名 | 是 |
| 研究 | study_code |
研究短码 | 是，主键 |
| 研究 | study_domain |
先天性异常 / 癌症 / 交叉条件 | 是，第一道分叉 |
| 研究 | dbgap_accession |
phs 编号，形如 phs001110 | 是，申请受控访问时要用 |
| 参与者 | proband |
先证者标记 | 是 |
| 参与者 | family_composition |
依家系中出现基因组数据的成员推算的家系构成 | 是 |
| 参与者 | ethnicity / race / sex |
自报信息 | 是 |
| 临床 | diagnosis_mondo |
诊断映射到 MONDO 本体 | 是，跨研究检索首选 |
| 临床 | diagnosis_ncit |
诊断映射到 NCIt | 是 |
| 临床 | diagnosis_source_text |
原始诊断文本，未协调化 | 是，但各研究写法不一 |
| 临床 | observed_phenotype_hpo |
观察到的表型，映射到 HPO | 是 |
| 临床 | not_observed_phenotype_hpo |
临床明确检查过、判定不存在的表型 | 是，常被忽略但很有用 |
| 临床 | age_at_diagnosis_days |
诊断时年龄，以天计 | 是 |
| 临床 | vital_status |
生命状态 | 是 |
| 样本 | sample_type |
分子标本类型 | 是 |
| 样本 | age_at_biospecimen_collection_days |
采样时年龄，以天计 | 是 |
| 样本 | sample_availability |
标本是否可应研究者请求提供 | 是 |
| 样本 | consent_type / dbgap_consent_code |
同意类型与同意码 | 是，决定能不能用 |
| 文件 | access |
注册层或受控层 | 是，决定能不能取 |
| 文件 | data_category |
基因组、转录组等大类 | 是 |
| 文件 | experimental_strategy |
全基因组、全外显子、linked-read 全基因组等 | 是 |
| 文件 | data_type |
比对后的读段、变异检出结果等 | 是 |
| 文件 | file_format |
通常即扩展名 | 是 |
| 文件 | platform / instrument_model |
测序平台与仪器 | 是 |
| 文件 | acl |
按数据访问委员会授权分配的访问控制表取值 | 是，受控层专用 |
整张表里真正决定一次分析能不能做的，是四个字段：study_domain 定方向，diagnosis_mondo 定病种，access 定层级，consent_type 定边界。其余字段用来把队列收窄。
2.3 一条记录的解剖
取一个参与者，它在门户里的样子大致如下。这是一个虚构的组合，用来说明字段之间的关系，不对应任何真实个体。
#-- 一条参与者记录在候选队列里的构成
study_code -> "KF-CHD"
study_domain -> "Congenital Anomaly"
dbgap_accession -> "phs00xxxx"
participant_id -> "PT_XXXXXX"
proband -> true
family_id -> "FM_XXXXXX"
family_composition -> "trio"
sex -> "Female"
diagnosis_mondo -> "MONDO:0000000"
diagnosis_source_text -> "室间隔缺损（原始记录写法各家不一）"
observed_phenotype_hpo -> ["HP:0001629", "HP:0001631"]
not_observed_phenotype_hpo -> ["HP:0001647"]
age_at_diagnosis_days -> 000
sample_type -> "DNA"
sample_availability -> true
consent_type -> "GRU"
dbgap_consent_code -> "phs00xxxx.c1"
data_file_count -> 3
file[0].access -> "Controlled"
file[0].experimental_strategy -> "Whole Genome Sequencing"
file[0].data_type -> "Aligned Reads"
file[0].file_format -> "cram"
值得注意的有三点。其一，诊断同时有本体码与来源文本两列，本体码可以跨研究检索，来源文本保留原样以免丢失细节，两者不能混用。其二，not_observed 那一列记录的是临床明确排除的表型，它对区分相似综合征有直接价值，但在多数使用场景里被跳过。其三，一条参与者记录下面挂着若干文件，文件本身才带访问层级，所以同一个参与者可能既有注册层文件又有受控层文件。
2.4 规模数字的三种口径
| 口径 | 数值 | 出处 | 说明 |
|---|---|---|---|
| 研究数 | 37 项 | 数据资源中心首页 | 首页计数，随发布滚动 |
| 研究数 | 36 项 | NIH Common Fund 项目页 | 写「已公开数据」的口径 |
| 参与者 | 3.8 万余人 | 数据资源中心首页 | 患者与家庭成员合计 |
| 参与者 | 约 3 万余人 | 2023 年顾问委员会材料 | 当时口径 |
| 基因组 | 近三万个 | NIH Common Fund 项目页 | 以基因组计的另一种表述 |
| 样本 | 14.7 万余份 | 数据资源中心首页 | 生物标本数 |
| 文件 | 125 万余个 | 数据资源中心首页 | 门户可检索的文件数 |
| 用户 | 6000 余人 | 数据资源中心首页 | 门户注册用户 |
这组数字并列之后，有一件事就清楚了：不同文章里「Kids First 有多少人」的分歧，八成来自口径不同，而不是数据变了。研究者引用时至少要说清是研究数还是数据集数、是参与者还是基因组。
2.5 与同类资源的差别
| 维度 | Kids First | dbGaP（整体） | 圣犹达云基因组平台 |
|---|---|---|---|
| 定位 | 一个国家项目的专用数据资源 | 通用受控档案库 | 儿童肿瘤专库 |
| 疾病范围 | 儿童癌症与结构性出生缺陷 | 全病种 | 儿童肿瘤 |
| 家系结构 | 以家系为设计核心 | 因研究而异 | 因研究而异 |
| 审批主体 | Kids First 数据访问委员会，经 dbGaP | 各数据集自属的数据访问委员会 | 平台自身 |
| 分析环境 | CAVATICA 与 PedcBioPortal | 不提供统一分析环境 | 自带云平台 |
| 随访能力 | 薄弱 | 因研究而异 | 含生存随访 |
§3 它的身份：谁在建，对谁负责
3.1 三个名称，一个东西
「Gabriella Miller Kids First Pediatric Research Program」是计划名，「Kids First Data Resource Center」是执行数据平台建设的那一方，「Kids First Data Resource」是平台本身。日常写作中三者常被混用，但指向不同层级：计划出钱定方向，中心建平台，资源是研究者看到的东西。
名称里的 Gabriella Miller 是一位十岁女孩。她在 2013 年 10 月因病去世，去世前曾公开呼吁国会加大对儿童研究的投入。2014 年 4 月，以她命名的法案签署，授权每年一千二百六十万美元、连续十年投入 NIH Common Fund 支持儿科研究。2015 年 1 月，NIH 顾问委员会批准设立该项目。这是美国少见的一例由患者倡导直接催生的国家级数据基础设施。
3.2 联合体与利益结构
数据资源中心不是单一机构，而是几家单位的分工联合体。费城儿童医院的生物医学数据驱动发现中心承担门户与核心信息学；芝加哥大学的中枢负责受控数据的托管与分发；圣贾斯汀医院参与变异可视化工具；Seven Bridges（现为 Velsera 旗下）提供 CAVATICA 平台本身；北卡罗来纳大学与范德堡大学参与协调化与临床数据工作。
测序一侧另有几家测序中心承包全部全基因组测序服务。这种「测序外包、数据集中、分析上云」的结构决定了平台的气质：它不是一个收藏型数据库，而是一条流水线加一个工作台。流水线负责把各研究交来的样本变成同一套流程下的可比数据，工作台负责让人在不下数据的前提下做分析。
3.3 对谁负责：三种责任边界
| 责任对象 | 它承担的部分 | 它不承担的部分 |
|---|---|---|
| 参与者与家庭 | 依知情同意确定数据用途限制，按人类遗传学规定保护个体级数据 | 不负责结果返还，该决定权在采集机构与其伦理委员会 |
| 上游研究者 | 接收、质检、协调化并发布其队列 | 不改写原始临床判断，来源文本原样保留 |
| 下游使用者 | 统一的流程、本体与访问层级标注 | 不保证跨研究的临床细节可比，也不为再分发背书 |
3.4 三根坐标轴
研究轴由研究短码定义，一项研究对应一个 dbGaP 条目，也就是一个 phs 编号。所有受控访问申请按 phs 编号提交，这是唯一稳定的锚点。
病种轴由两个本体定义。诊断走 MONDO，表型走 HPO。之所以要两套，是因为诊断是「这个人得了什么病」的结论，表型是「这个人身上观察到哪些异常」的清单，两者在出生缺陷里经常不对应——一个诊断下面可以有一长串形态学表型。
参与者轴由家系定义。每位参与者有先证者标记与家系标识，同家系成员共享一个家系号。任何按人计算的统计都要先决定是把整个家系算作一个单位，还是把先证者单独拿出来，这个选择会显著改变样本量。
§4 它的手艺：协调化如何把几十项研究变成一套数据
4.1 「功能等价」这个词的意思
数据资源中心反复用「功能等价」来描述它的目标：本平台的变异检出结果，要与 GTEx、NCI 基因组数据共享平台这类大型项目的结果具备可比性。这不是一句宣传语，而是具体的工程约束。
要做到这一点，流程必须固定。平台按 GATK 最佳实践的推荐流程对全部队列做基因组协调化，输出 gVCF，再在家系内部做联合分型。固定流程加固定参考，是跨研究比较成立的前提。代价是这一层结果替换掉了各研究自己跑出来的变异检出——原始结果仍然在，但门户上供分析的是协调化之后的那一层。
4.2 家系结构与变异检出
家系设计直接决定了能检出什么。三联体（患儿加双亲）的价值在于判定新发变异：只有当同一个位点在双亲中都不存在、在患儿中存在时，才能判定为新发。双联体（患儿加一位家长）省一半成本，但判定能力弱一些。单先证者设计只能做病例与外部对照的比较，没有家系内证据。
肿瘤一侧另有一套流程。肿瘤样本与配对正常样本一起跑体细胞变异检出，输出单核苷酸变异、拷贝数变异与结构变异，并用外部癌症热点库做注释。这一步与胚系流程是并行的两条线，产出也分开存放。
4.3 案例：一项先天性心脏病研究怎么进到分析项目里
这一节用一个典型流程走完全程，后面的检索与使用指引会反复回到它。
第一步是定位。在门户的数据探索工具里，先按研究域筛「先天性异常」，再按 MONDO 码筛具体诊断，得到一批参与者。此时页面给出的是参与者、样本与文件三个层级的计数，每个文件旁标着访问层级的字母。
第二步是判断能不能取。标 C 的文件需要受控访问，若账号尚未获批，锁是闭合的。此时正确的做法是记下该研究的 phs 编号，转到 dbGaP 提交数据访问请求，而不是继续在门户里找别的入口。
第三步是申请。在 dbGaP 用自己的 eRA Commons 身份登录，新建研究项目，把 phs 编号填进去，勾选同意组，写清研究目的与合作者，提交后由本机构的签署官会签，再进入数据访问委员会评审。获批后会收到通知，门户在与 eRA Commons 身份关联后自动识别授权。
第四步是分析。回到门户，把选中的文件推到 CAVATICA 的私有项目里去。这一步不是复制数据：文件仍在原来的托管位置，CAVATICA 里建立的是指向它的别名，计算从数据所在地流进来。
第五步才是跑流程。在 CAVATICA 里选一个公开工作流，或者自己带 CWL 工具进来，在数据原地做。§4.3 的案例在后面的检索路径里会被再次引用，因为它把「能看见」与「能使用」这两件事的界线交代得最清楚。
#-- 门户与 CAVATICA 的分工：定位在门户，计算在 CAVATICA
#-- 下面只是把这条链路上的地址按顺序列出来，便于核查
#-- 1. 门户（注册后即可浏览参与者与文件清单）
#-- https://portal.kidsfirstdrc.org/
#-- 2. 若文件标 C，转到 dbGaP 提交数据访问请求
#-- https://www.ncbi.nlm.nih.gov/gap/
#-- 3. 获批后，在 CAVATICA 建立私有项目，从门户推入文件
#-- https://cavatica.sbgenomics.com/
#-- 4. 体细胞数据想先看样子，用 PedcBioPortal 的可视化入口
#-- https://pedcbioportal.kidsfirstdrc.org/
echo "portal -> dbGaP(DAR) -> CAVATICA -> analysis"
这个流程里最容易出错的不是技术环节，而是第二步。许多人以为门户上能看到的文件就能分析，实际上门户的浏览权限与文件的内容权限是两件事：任何人都能浏览文件清单，只有获批的人能取内容。
4.4 变异的两种查询入口
平台提供了两个层次的变异查询工具，分别对应两种权限。
门户上的变异浏览器是点选式的，给一份基因列表，返回这些基因在 Kids First 参与者中出现过的变异表，并附上外部注释。它不能直接给出某个变异属于哪位参与者，正因如此，任何注册用户都能用，不需要额外授权。它的定位是帮助研究者判断「这个方向值不值得申请完整数据」。
CAVATICA 上的变异工作台则是有权限才能用的。它把胚系与体细胞变异装进可查询的表，用交互式笔记本环境让人写查询，结果可以连回具体参与者与其诊断。这一步跨过了「不可识别个人」的界线，所以必须持有对应数据集的授权。
4.5 PedcBioPortal 与跨平台标识
PedcBioPortal 是一套针对肿瘤基因组的可视化平台，Kids First 在它上面部署了自家癌症研究的体细胞数据。研究者可以按临床特征或体细胞变异把人分组，比较结局，找相关的基因组特征。
三个平台之间靠一致的参与者与样本标识串起来。这个设计很实用：在 PedcBioPortal 上挑出一批带某个体细胞突变的人，拿这批人的标识回到门户找到对应的胚系文件，再推到 CAVATICA 里做更深的分析。整条链上不需要手工对齐编号。
§5 取数：从浏览到分析的路径
5.1 四条路径的取舍
| 路径 | 适合的人 | 前提 | 边界 |
|---|---|---|---|
| 门户浏览与队列构建 | 所有注册用户 | 注册账号 | 只能看清单与注册层文件 |
| 变异浏览器 | 想快速判断方向的人 | 注册账号 | 不给个人级信息 |
| CAVATICA 分析 | 有授权的研究团队 | 受控访问获批 | 在云上跑，产生云计算费用 |
| PedcBioPortal | 做体细胞探索的人 | 视数据集而定 | 以可视化为主 |
5.2 注册阶段能做的事
注册账号只需几分钟，但这一步能做的事比想象中多。可以按诊断、表型、年龄、样本类型筛出候选队列，可以看到每个文件的大小、格式、实验策略与访问层级，可以导出清单。对多数人来说，这一步就足够判断这项数据值不值得走审批流程。
注册层的实际内容比「只有汇总统计」要多一些。§4.3 的案例里那一步浏览，看到的是真实的文件清单与参与者层级计数，只是取不到内容。这与某些资源的做法不同——那些资源连清单都不公开，不获批就看不到有任何数据。清单公开的好处是申请之前就能判断数据量够不够、数据类型对不对，坏处是极少数情况下清单本身的组合也会透露信息，平台因此对注册用户而非匿名访客开放。
5.2b 门户上的筛选次序
门户的筛选项很多，但有效的次序只有一种。先定研究域，再定诊断本体码，再定样本类型，最后才看文件。反过来做会陷入两难：文件层级筛出来的结果不告诉你这些人是什么病，得逐个回去查。
按这个次序走一遍，通常三到五分钟能得到一个可用的候选集。如果候选集太小，放宽的是诊断码而不是研究域，因为研究域一放宽，两类疾病就会混在一起，后面的分析设计会变得无从下手。
5.3 申请阶段的关键点
受控访问的申请走 dbGaP。几个容易被忽略的细节值得先知道。
申请人身份有门槛：院外申请人须是终身教职级教授、资深科学家或同等职级，并持有有效的 eRA Commons 账号。研究生与博士后不能以本人名义提交，只能作为负责人名下被指定的下载者。
请求按 phs 编号逐项提交，但一个项目里可以装入多项研究。写研究目的时要落到具体分析，含糊的描述是被退回的常见原因。
签署方包括申请人本人与所在机构的签署官，还要同意数据使用认证与基因组使用者行为准则。这一层是机构担保，不是个人承诺。
授权期限通常为一年，到期需续期并提交进展说明。这一条对长期项目有实际影响。
5.4 一个最小可复现的分析起点
拿到授权之后，一个合理的起手顺序是这样：先在门户确定队列并导出清单，在本地记录 phs 编号、研究短码、筛选条件与导出时间；再把文件推到 CAVATICA；然后在 CAVATICA 里用公开工作流做一次从读段到变异的完整跑通，确认流程可用；最后才换到自己的分析。
#-- 起手顺序：先固化清单，再上云
#-- 一、在门户导出候选队列的文件清单（含 file_id、参与者和访问层级）
#-- 把 phs 编号、研究短码、筛选条件、导出时间写进项目记录
#-- 二、核对访问层级：标 C 的文件没有授权就推不进 CAVATICA
#-- 三、在 CAVATICA 建私有项目，从门户推入所选文件
#-- 四、先跑一次公开工作流验证环境，再换成自有流程
echo "manifest -> check access tier -> push to CAVATICA -> dry run"
这条顺序的价值在于把「哪一版数据、哪些人、什么条件」这三件事在分析开始之前就固定下来。平台的清单会随发布变化，分析做完再回头对条件，代价很高。
5.5 云上分析的成本结构
CAVATICA 按用量计费，计算与存储都产生费用。对没有云预算的团队，这一点足以让项目搁浅。
NIH 为此设了云积分项目，向研究者发放可用于 CAVATICA 的额度，申请滚动受理，额度通常需在六个月内用完，可申请延续。积分不解除审批要求：受控访问仍然要单独走 dbGaP 请求。
§6 与库内条目的关系
6.1 关系图谱
Kids First 与 dbGaP 的关系最容易被写错。准确的说法是：dbGaP 是 NIH 的通用受控数据档案与审批通道，Kids First 是其中一个项目族。Kids First 的受控层数据在 dbGaP 有对应的 phs 条目，审批由 Kids First 自己的数据访问委员会执行，但文件托管在 Kids First 一侧而非 NCBI 的通用下载通道。
| 库内相关条目 | 与本词条的关系 | 一句话区隔 |
|---|---|---|
| dbGaP | 审批与鉴权通道 | dbGaP 管跨项目审批，Kids First 是透过它审批的其中一个儿科项目族 |
| GTEx | 功能等价的对照资源 | GTEx 提供成人正常组织的表达参照，Kids First 借它做儿童样本的对照 |
| 千人基因组计划 | 同为群体基因组资源 | 千人基因组面向群体遗传多样性，Kids First 面向单病种的家族病因 |
| 全美人群研究计划 | 同为 NIH 大型基因组项目 | 后者面向成年人的广义健康，前者是患儿家系的疾病专库 |
| 单细胞表达图谱类条目 | 数据类型不同 | 前者是人群级胚系与肿瘤基因组，不做单细胞图谱 |
| TCGA | 同为癌症基因组 | TCGA 是成人癌种，Kids First 是儿童癌种，且以家系为设计 |
6.2 检索路径
| 你的问题 | 该去哪个条目或入口 | 理由 |
|---|---|---|
| 儿童肿瘤的家系胚系数据去哪找 | 本词条 | 这是它的唯一主线之一 |
| 出生缺陷的遗传病因研究数据 | 本词条 | 另一条主线 |
| 想要成人的正常组织表达参考 | GTEx 条目 | 儿童样本缺正常对照，需外部参照 |
| 需要理解 dbGaP 的审批流程与权限模型 | dbGaP 条目 | 通用规则写在那里 |
| 想研究成人癌症 | TCGA 一类条目 | 儿童与成人癌种的生物学差异很大 |
| 要做单细胞层面的细胞类型定位 | 单细胞图谱类条目 | 本平台不做单细胞图谱 |
6.3 与 dbGaP 的逐项区隔
| 对比项 | Kids First | dbGaP（作为整体） |
|---|---|---|
| 层级 | 一个国家项目的数据资源 | NIH 的通用受控档案库 |
| 范围 | 儿童癌症与结构性出生缺陷 | 全部受资助研究的基因型与表型 |
| 审批主体 | Kids First 数据访问委员会（设于 NCI 数据共享办公室） | 各数据集自属的数据访问委员会 |
| 分析环境 | CAVATICA 与 PedcBioPortal | 不提供统一分析环境 |
| 协调化 | 全部队列走同一套流程与本体 | 不做跨研究协调化 |
| 数据形态 | 以家系为单位组织，带家系结构 | 因研究而异 |
| 典型任务 | 儿童疾病的家系病因与跨病种共享通路 | 任意受资助研究的二次分析 |
一句话记住：dbGaP 是门禁，Kids First 是门禁后面的其中一间屋子，而这间屋子自带一套厨房。§6.3 的分工在后面的选型里会再用到。若用 §4.3 的案例来对照，这个概念差别会更具体：同一个人在 dbGaP 里只是一条档案，在 Kids First 里还连着可运行的分析环境。
§7 质量评估与已知问题
7.0 阅读前的前置校正
评估这个资源时最容易犯的错，是拿评估流行病学队列的尺子来量它：问它随访几年、失访率多少、暴露测量多细。这些维度上它必然低分，因为它的设计目标不是追踪人群，而是把一个罕见病种的遗传变异找出来。正确的框架是：在家系基因组病因发现这个任务上，它的覆盖、流程一致性与可分析性如何，以及为此放弃了什么。
把这一点校正过来，后面的扣分才不会被读成「它做得不好」，而会被读成「这是它的取舍」。
7.1 五维评分
| 维度 | 分数 | 依据 |
|---|---|---|
| 病种覆盖 | 4 / 5 | 儿童癌症与结构性出生缺陷覆盖较全，交叉条件研究设得准 |
| 流程一致性 | 4 / 5 | 全队列同一套协调化流程，扣分在跨研究的临床细节仍不可比 |
| 可分析性 | 4 / 5 | 门户、云工作流、可视化平台三件套齐全，扣分在云成本门槛 |
| 可访问性 | 2 / 5 | 个体级数据须审批，不能公开下载，对没有机构担保的个人不友好 |
| 随访与纵向 | 2 / 5 | 以入组时点快照为主，纵向随访薄弱 |
7.2 已知的四类偏差
第一，病例构成的偏差。各研究由不同机构申报，入选标准由申报者定，发达国家的转诊中心占了主要份额。所反映的是「谁在申报队列」，不是疾病的自然人群分布。
第二，家系结构的偏差。以三联体为主的设计对缺失亲本的家系不友好，单亲家庭或无亲本信息的病例容易被排除在高质量研究之外，这会系统性影响哪些变异能被判定为新发。
第三，临床深度的偏差。表型映射是自动匹配加人工核对，不同研究的人工投入不同，同一个 HPO 码在不同研究里的含义密度可能不一样。跨研究比较表型分布前，必须先看各研究各写了多少表型条目。
第四，语言与国别的偏差。诊断来源文本保留原文，英文以外的记录在自动映射时命中率更低，这会系统性地影响非英语国家的队列在本体检索中的可见度。
§4.3 的案例里那种「先按研究域、再按诊断码」的检索方式，正好把这条偏差放大了：诊断码匹配不上的家系，在队列构建阶段就消失了，而研究者通常看不到被漏掉的那部分。
7.2b DAIMS 视角下的四条线
DAIMS 看的是数据从采集到使用的链条能不能被解释。按四条线看这个资源：
| DAIMS 线 | 表现 |
|---|---|
| 数据获取与处理 | 全队列走同一套协调化流程，流程有文档，公开工作流可以在云上复核；但逐样本的处理记录不对外 |
| 数据建模 | 以研究、参与者、样本、文件四张表组织，用 HPO 与 MONDO 做语义层，模型清晰且可直接检索 |
| 数据溯源 | 每项研究有稳定的 phs 编号，每个文件有标识与访问层级；但版本间的差异要靠发布说明追 |
| 数据使用与治理 | 两级访问加数据使用认证，禁止再分发与再识别；治理链条完整，代价是对个人研究者的门槛 |
四条线里最稳的是建模，最弱的是逐样本溯源。这与其他大型基因组资源的情况类似：机构层面的合规做得很扎实，个体层面的处理细节保留在内部。
7.3 可枚举的已知问题
其一，研究数在几个官方页面上不一致，引用时须注明出处与读取时点。
其二，参与者数不等于患者数。这一条被误用的频率最高，因为数字本身不带单位说明。
其三，覆盖的疾病是两类，不是全部儿科。常见儿科病不在范围内，这一条常被含糊成「儿科数据」。
其四，个别癌症研究附带影像，但平台主体不是影像资源。按影像用途检索会得到零散结果。
其五，云分析产生费用，云积分不是长期保障。没有云预算的团队需要提前规划。
7.4 外部验证
| 验证角度 | 证据 | 结论 |
|---|---|---|
| 产出可用性 | 官方公布约 200 篇论文基于该数据发表 | 数据已进入常规科研使用 |
| 流程可比性 | 与 GTEx 达成表达数据的函数等价 | 儿童样本可借成人组织参考做对照 |
| 跨平台互操作 | 参与者标识在门户、云平台、可视化平台间一致 | 同一条分析能跨三处无缝接续 |
| 治理一致性 | 受控层按 dbGaP 通用规则审批，禁止再分发 | 与其他 NIH 受控资源共享同一套合规框架 |
§8 生态位与历史
8.1 历史沿革
| 时间 | 事件 |
|---|---|
| 2013 年 10 月 | 十岁的 Gabriella Miller 因脑瘤去世，去世前公开呼吁国会加大儿科研究投入 |
| 2014 年 4 月 | 以其命名的法案签署，授权每年一千二百六十万美元、连续十年 |
| 2015 年 1 月 | NIH 顾问委员会批准设立该项目 |
| 2015 年 9 月 | 首个年度拨款到位 |
| 2018 年 2 月 | 首个研究数据集发布 |
| 2018 年 6 月 | 数据资源门户上线 |
| 2019 年年中 | 已协调化约七千余名参与者，来自两千余个家系 |
| 2021 年 | 门户与云平台的整合趋于稳定，跨病种分析成为常规 |
| 2023 年 | 已发布研究接近三十项，批准二次使用请求超过五百项 |
| 2024 年 | 门户改版，开始纳入外部儿科队列；官方称已发布两万七千余名儿童及其家庭的基因组 |
| 2025 年 7 月 | 概览材料记为 36 项数据集、3.6 万参与者 |
| 2026 年 | 项目进入第二期；官方首页记为 37 项研究、3.8 万参与者 |
8.2 为何能持续
这个资源能持续，靠的不是数据量大，而是三件事叠在一起。
一是制度托底。它由国会立法授权、NIH 拨款，不依赖单次申报的经费，因此可以通过持续收录新队列而增长，而不是做完一批就停。这一点与靠单个课题经费支撑的数据库有本质区别。
二是成本结构。协调化的计算放在云上，测序由固定的几家中心承包，规模效应让每新增一个队列的边际成本低于它自己组织多中心合作。
三是使用门槛与合规成本的平衡。受控层的审批路径与 NIH 其他受控资源完全一致，机构不需要为这个项目单独建立合规流程；同时分析环境由平台提供，研究人员不需要自建高性能计算集群。门槛被压在「有机构担保、能出审批」这个水平上。
8.3 在 AI 时代的再定位
作为训练或评测数据，它的价值与限制都很清楚。价值在于病种聚焦与家系结构：罕见表型、家系三代的遗传背景、跨病种的共享通路假设，在别处不容易凑齐。限制在于它不能整体打包，个体级数据不出云，这意味着任何需要把原始文件集中到本地加工的做法都要么绕道云上计算，要么放弃。
一个务实的用法是把它当作验证集而非训练集：用公开或另行获得的数据训练模型，用 Kids First 的罕见表型作外部验证。这类用法对数据量的要求低，对病种特异性的要求高，正好对上它的特点。
8.4 与倡议型数据库的互补
有一种看法是这类国家项目早晚会覆盖所有儿科疾病，这个判断在可预见的范围内不成立。它的法定使命是儿童癌症与结构性出生缺陷，扩到泛儿科需要新的立法授权。现实中更可能出现的是多条专项线并行，各自覆盖一个病种群，彼此通过dbGaP与云平台互通。
Kids First 在此中扮演的是双向角色：一面是病种群的深度，一面是跨病种共享通路的连接点。后者才是它设立时的原始动机。
§9 使用指引
9.1 三种角色的路径
临床遗传研究者的路径最短：从自己的病例出发，找一个 MONDO 码，在门户看同诊断的队列规模与数据类型，判断有没有可比的对照，再决定是否申请。这一步不需要授权，能省掉大量无效申请。
生物信息学团队的路径最重：需要提前规划云计算预算、把工作流改成能在云上跑的形态、把清单与版本固定下来。大多数返工发生在「以为能下载」这一步。
做方法学或算法评测的人应该先看变异浏览器。它不需要授权，能让研究者在一小时内判断「这批数据的变异检出质量是否够用作评测集」。
9.2 一条最短的可用流程
从零到一次可跑的分析，可以压缩成下面几步。每一步都以「能不能进入下一步」作为判据。
#-- 第一步：注册门户，不做任何申请也能筛队列
#-- https://portal.kidsfirstdrc.org/
#-- 第二步：确定目标研究，记下 phs 编号与研究短码
#-- 这些编号在 dbGaP 与门户上一致，是跨平台对齐的锚点
#-- 第三步：若目标文件标 C，先在 dbGaP 提交数据访问请求
#-- https://www.ncbi.nlm.nih.gov/gap/
#-- 第四步：获批后，确认门户账号已与 eRA Commons 身份关联
#-- 第五步：在 CAVATICA 建私有项目，从门户推入文件
#-- 第六步：申请云积分或准备云预算，再开始跑
echo "register -> pick study -> DAR -> link eRA -> CAVATICA -> budget"
第三步与第四步之间常出问题：授权记录在 eRA Commons 身份上，门户账号必须与它关联才能识别到。跳过这一步，会看到文件仍然是锁着的。
9.3 引用方式
引用要写到三层。第一层是项目本身：写明 Kids First 计划、数据资源中心名称与访问日期。第二层是具体研究：列出所用数据集的 phs 编号，这是唯一能定位到具体队列的标识。第三层是贡献方：官方给出的致谢模板明确要求列出 PHSAccession Number，以及数据是从门户还是 dbGaP 取得的。
只写「用了 Kids First 数据」而不写 phs 编号，读者无法核对用了哪些队列，这在方法学上是不完整的。
§10 AI 使用声明
| 项目 | 说明 |
|---|---|
| 页面参与程度 | 由 AI 助手依据官方页面与公开文献起草，数字与结论经人工核对 |
| 数字来源层级 | 官方页面为一级，NIH 与机构材料为二级，见附录 B |
| 研究数口径 | 首页 37 项、项目页 36 项，两处并列而不取一个 |
| 参与者口径 | 明确标注为患者与家庭成员合计，不单独给出患儿数 |
| 版本信息 | 以 2026 年 10 月下旬读取的官方页面为准 |
| 已知不一致 | 研究数与参与者数在不同官方页面随时间变化，属发布节奏差异 |
| 适用边界 | 只描述资源的结构、规模与访问边界，不评价任何具体研究结论 |
| 更新机制 | 资源滚动发布，本文不承诺随每次发布同步刷新 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| 「它是一个可以下载的儿科基因组数据集」 | 个体级数据须经 dbGaP 审批，获批后也不得再分发 | 官方帮助页「受控数据访问」 |
| 「3.8 万人就是 3.8 万个患儿」 | 参与者含父母与未受累同胞，是家系计数 | 门户数据字典的家系构成字段 |
| 「它是儿科全病种数据库」 | 只收儿童癌症与结构性出生缺陷两类 | 官方关于页、NIH 项目页 |
| 「它是独立于 dbGaP 的另一套体系」 | 受控层由 dbGaP 审批，按 phs 编号归档 | 官方帮助页与 NIH 常见问题 |
| 「获批后可以把数据下载到本地随便用」 | 数据使用认证禁止再分发与再识别，官方推荐云上分析 | 官方常见问题与数据使用条款 |
| 「它和 GTEx 数出多门，没法合用」 | 两者已做表达数据的功能等价对齐 | 项目综述论文 |
| 「它有大量影像数据」 | 仅个别癌症研究附带影像，主体不是影像资源 | 研究列表里影像只在个别条目出现 |
| 「它有完整的生存随访」 | 以入组时点快照为主，纵向随访薄弱 | 项目综述对随访能力的说明 |
| 「申请受控数据一定需要本地伦理批件」 | 多数为通用研究用途，通常不需要；仅带附加条款的数据集才要求 | NIH 常见问题的伦理审查条款说明 |
| 「参数量反正一直在变，随便写个数就行」 | 研究数与参与者数在不同页面口径不同，须注明出处与时点 | 首页与项目页并列计数不同 |
| 「云分析是免费的」 | CAVATICA 按用量计费，云积分需另行申请且有期限 | NIH 云积分项目说明 |
FAQ
Q1：Kids First 的数据能直接下载吗？
分两层。注册层的文件，注册门户账号并同意条款后即可访问；受控层的个体级基因组与临床文件须经 dbGaP 数据访问请求与 Kids First 数据访问委员会审批，获批后也不得再分发。官方明确鼓励在 CAVATICA 上就地分析。
Q2：它和 dbGaP 是什么关系？
dbGaP 是 NIH 的通用受控档案与审批通道，Kids First 是透过它审批的其中一个项目族。受控数据在 dbGaP 有对应条目，按 phs 编号归档，审批由 Kids First 自己的数据访问委员会执行。
Q3：Kids First 只收儿童癌症吗？
不止。项目设立的核心假设是儿童癌症与结构性出生缺陷共享部分遗传通路，因此两类并收，并专门设有交叉条件研究。它不收泛儿科常见病。
Q4：有多少研究、多少人？
官方首页最近一次公布为 37 项研究、3.8 万余患者与家庭成员参与者、14.7 万余份样本、125 万余个文件。NIH 项目页写 36 项已公开数据，两处口径不同，引用时应注明出处与时点。
Q5：参与者里有多少是患儿？
官方未单独公布患儿数。从家系结构推断，相当一部分是父母与未受累同胞，这正是三联体设计的目的。任何按人计算的统计都要先决定是以家系为单位还是以先证者为单位。
Q6：需要本地伦理委员会批准吗？
多数 Kids First 数据集的同意范围是通用研究用途，二次使用者通常不需要额外提交本地批件；只有带伦理审查附加条款的数据集才要求。无论哪种，申请人与其机构都必须签署数据使用认证。
Q7：云端分析要花钱吗？
要。CAVATICA 按计算与存储用量计费。NIH 设有云积分项目，向研究者发放可用于该平台的额度，滚动受理，通常六个月有效期，可申请延续。积分不替代审批。
Q8：能不能把数据搬到校内服务器？
技术上可以，但官方推荐云上分析，因为把计算搬到数据旁边比搬数据便宜。确实要本地存储的，须在数据访问请求中说明机构具备存储容量与安全基础设施，这一条会被看。
Q9：数据里有没有影像？
仅在个别癌症研究里附带，平台主体不是影像资源。若研究问题以影像为核心，应另找影像库。
Q10：一个人能不能同时申请多项研究？
可以。一个 dbGaP 项目里可以装入多项研究，按 phs 编号逐项选择同意组即可，不必为每项研究单独立项。
术语表
| 术语 | 含义 |
|---|---|
| X01 | NIH 的一种资源访问资助机制，用于支持队列申报并获得测序服务 |
| phs 编号 | dbGaP 给每项研究分配的稳定标识，形如 phs001110 |
| 同意组 | 按参与者知情同意范围划分的数据分组，按组审批 |
| 数据访问请求（DAR） | 研究者向 dbGaP 提交的受控数据使用申请 |
| 数据访问委员会（DAC） | 审核数据访问请求的机构，Kids First 的委员会设在 NCI 数据共享办公室 |
| 数据使用认证（DUC） | 申请人与所在机构须签署的使用条款，含禁止再分发与再识别 |
| eRA Commons | NIH 的科研人员身份系统，也是 dbGaP 的登录凭证 |
| 签署官（SO） | 机构中负责为申请会签的行政角色 |
| 协调化 | 把不同来源的数据映射到统一流程与统一本体上的过程 |
| gVCF | 包含非变异位点在内的变异格式，用于家系联合分型 |
| 联合分型 | 把同一家系或群体的样本一起做基因型判定的方法 |
| 三联体 | 患儿加双亲的家系结构，用于判定新发变异 |
| 新发变异 | 双亲均不存在、子代首次出现的变异 |
| HPO | 人类表型本体，用统一编码描述形态与功能异常 |
| MONDO | 疾病本体，用于统一疾病诊断的编码 |
| NCIt | 美国国家癌症研究所的术语体系 |
| 注册层 | 注册账号并同意条款即可访问的文件层级，门户标 R |
| 受控层 | 须经数据访问委员会批准才能取用的文件层级，门户标 C |
| CAVATICA | 基于云的生物信息分析平台，由 Seven Bridges（Velsera）开发 |
| PedcBioPortal | 面向癌症基因组的可视化分析平台 |
| DRS | 基因组数据仓库服务规范，用于跨云访问而不复制文件 |
| 云积分 | 由 NIH 提供、可用于云平台分析的额度 |
| 功能等价 | 本平台结果与另一大型项目结果可比的口径承诺 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 法定授权额度 | 每年一千二百六十万美元，为期十年 | 官方关于页 | 一级 |
| 法案签署时间 | 2014 年 4 月 | 官方关于页 | 一级 |
| 项目批准时间 | 2015 年 1 月 | 官方关于页 | 一级 |
| 门户上线 | 2018 年 6 月 | 官方关于页 | 一级 |
| 研究数 | 37 项 | 数据资源中心首页 | 一级 |
| 研究数（另一口径） | 36 项 | NIH Common Fund 项目页 | 二级 |
| 参与者 | 3.8 万余人 | 数据资源中心首页 | 一级 |
| 基因组数 | 近三万个 | NIH Common Fund 项目页 | 二级 |
| 样本数 | 14.7 万余份 | 数据资源中心首页 | 一级 |
| 文件数 | 125 万余个 | 数据资源中心首页 | 一级 |
| 门户用户 | 6000 余人 | 数据资源中心首页 | 一级 |
| 预发布期 | 约六个月 | NIH 常见问题 | 二级 |
| 数据分析类型 | 全基因组、RNA、全外显子、linked-read、长读长 | 官方数据页 | 一级 |
| 本体 | HPO 与 MONDO | 官方数据页 | 一级 |
| 患儿单独计数 | 官方未公布 | 无 | 三级 |
附录 B：数字的来源分层
一级：官方页面。 包括数据资源中心首页的计数、关于页的历史沿革、研究与数据页的数据类型与本体、帮助页的两级访问与审批流程、门户数据字典的字段定义。本文的研究数、参与者数、样本数、文件数、访问层级与字段名均取自这一层。
二级：NIH 与机构材料。 包括 NIH Common Fund 项目页的研究数与基因组数、NIH 常见问题的预发布期与审批细节、NIH 顾问委员会材料的历史规模、项目综述论文对平台能力与限制的说明。这些数字反映的是各自发布时点的状态，用于说明口径差异与能力边界。
三级：未核实。 患儿的单独计数未在官方页面公布，本文只说明参与者为合计口径，不推算具体患儿数。研究数在不同页面上的最终取值取决于发布节奏，本文并列两说而不裁决。
附录 C：完整参考文献
- Gabriella Miller Kids First Data Resource Center 官方站点，首页计数、关于页历史沿革、研究与数据页，https://kidsfirstdrc.org/ ，2026 年 10 月访问。
- 官方帮助页「通过 dbGaP 访问受控数据」，两级访问、审批流程、eRA Commons 与数据访问委员会，https://kidsfirstdrc.org/help-center/accessing-controlled-data-via-dbgap/ ，2026 年 10 月访问。
- 官方帮助页「CAVATICA 云平台」，云计算定位与平台起步资料，https://kidsfirstdrc.org/help-center/cavatica-cloud-platform/ ，2026 年 10 月访问。
- Kids First 数据资源门户数据字典，研究、参与者、临床、样本与文件各字段定义，https://kidsfirstdrc.org/help-center/data-dictionary/ ，2026 年 10 月访问。
- NIH Common Fund，Gabriella Miller Kids First Pediatric Research Program 项目页，https://commonfund.nih.gov/kidsfirst ，2026 年 10 月访问。
- NIH，Kids First 常见问题，数据发布节奏、申请流程与伦理审查条款，https://www.nih.gov/node/22686 ，2026 年 10 月访问。
- NIH Common Fund，Kids First 云积分项目说明，https://commonfund.nih.gov/kidsfirst/cloudcredits ，2026 年 10 月访问。
- Kids First 项目综述论文，平台架构、协调化、跨平台标识与与同类资源的比较，载《美国人类遗传学杂志》2026 年。
- NICHD 顾问委员会材料，Kids First 项目进展，队列数、参与者数与门户用户统计，2023 年 6 月。
- Kids First 数据资源中心概览材料，2025 年 7 月版，数据集数、参与者数与成果数。
附录 D：取数路径速查
#-- Kids First 的四条主入口，按用途区分
#-- 门户：发现数据、组建队列、导出清单、推文件到云平台
#-- https://portal.kidsfirstdrc.org/
#-- dbGaP：受控访问的申请与鉴权入口，按 phs 编号逐项提交
#-- https://www.ncbi.nlm.nih.gov/gap/
#-- CAVATICA：云端工作流与交互式笔记本，按用量计费
#-- https://cavatica.sbgenomics.com/
#-- PedcBioPortal：体细胞数据的可视化探索
#-- https://pedcbioportal.kidsfirstdrc.org/
printf '%s\n' "portal" "dbGaP" "CAVATICA" "PedcBioPortal"
附录 E：如果只记五件事
第一，它是 NIH Common Fund 旗下「Gabriella Miller Kids First 儿童研究计划」的数据平台，专收儿童癌症与结构性出生缺陷两类，不是泛儿科数据库。
第二，参与者 3.8 万余人是患者与家庭成员合计，家系设计决定了这个数字不能当患儿数用。
第三，访问分两级：注册层注册即可，受控层须经 dbGaP 审批，获批后也不得再分发。
第四，分析在 CAVATICA 上进行，体细胞数据可先在 PedcBioPortal 里看。云上计算要花钱，NIH 的云积分可申请但有时限。
第五，全队列走同一套协调化流程，表型用 HPO、诊断用 MONDO，这让跨病种分析在技术上成立，但跨研究的临床细节仍然不可直接比较。
编辑说明
核验时间为 2026 年 10 月 29 日。核验方式为直接读取 Kids First 数据资源中心官网的首页、关于页、研究列表、数据页、数据字典与帮助页，以及 NIH Common Fund 的项目页与常见问题页，并比对 2023 年顾问委员会材料与 2025 年概览材料中的规模数字。
未覆盖的内容包括：患儿的单独计数（官方未公布）、各研究的分病种参与者明细（门户需登录且随发布变化）、协调化流程的逐样本处理记录（不公开）。研究数在首页与项目页不一致，本文并列两说；参与者数随时间变化，本文以最近一次读取为准并标注时点。
本文只描述资源的结构、规模与访问边界，不评价任何具体研究结论，也不构成法律或合规意见。受控数据的使用须以申请人签署的数据使用认证为准。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- decipher — 共享标签：基因组学与多组学 / 测序数据 / 儿科 / 罕见病
- pediatric-cf-multiomic — 共享标签：测序数据 / 儿科 / 罕见病
- clingen — 共享标签：基因组学与多组学 / 测序数据 / 罕见病
- gnomad — 共享标签：基因组学与多组学 / 测序数据
- bioproject — 共享标签：基因组学与多组学 / 测序数据
- uniprot — 共享标签：基因组学与多组学 / 测序数据
- 1000-genomes — 共享标签：基因组学与多组学 / 测序数据
- encode — 共享标签：基因组学与多组学 / 测序数据
- geo — 共享标签：基因组学与多组学 / 测序数据
- hmp — 共享标签：基因组学与多组学 / 测序数据
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
