大规模蛋白质组学识别连接健康社会决定因素与心力衰竭风险的新生物标志物数据
该数据集来自ARIC队列研究,包含9,879名社区参与者的4,955种血浆蛋白的适配体平台检测数据,并整合了收入、教育、区域剥夺指数等健康社会决定因素

基本信息
资源简介
大规模蛋白质组学识别连接健康社会决定因素与心力衰竭风险的新生物标志物数据
Data from: Large-scale proteomics to identify novel biomarkers linking social determinants of health to heart failure risk
该数据集来自ARIC队列研究,包含9,879名社区参与者的4,955种血浆蛋白的适配体平台检测数据,并整合了收入、教育、区域剥夺指数等健康社会决定因素。研究旨在识别连接社会决定因素与心力衰竭风险的蛋白质生物标志物,并在UK Biobank的49,396名参与者中重复验证。数据可用于探索社会因素影响心力衰竭的生物学通路、构建风险预测模型及中介分析(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):不良的健康社会决定因素(SDOH)与更高的心力衰竭(HF)风险相关。在动脉粥样硬化风险社区(ARIC)队列研究的9,879名社区参与者中,我们使用基于适配体的平台(Somalogic)评估了4,955种血浆蛋白。我们在黑人和白人参与者中推导出一个由收入、教育和区域剥夺指数(ADI)组成的SDOH因子。在Bonferroni显著性水平下与该因子相关的蛋白质,使用多变量Cox比例风险模型检验其与 incident HF 的关联。在黑人参与者中,36种蛋白质与SDOH因子和 incident HF 均相关,白人参与者中有126种,两个种族分层间共享12种。其中8种在因果中介模型中显示出显著的中介效应。关键结果在UK Biobank的49,396名参与者中得到了重复验证。孟德尔随机
【主题与分类】
主题标签:Proteomics、Social Determinants of Health、Cardiology。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.sn02v6xm9
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.sn02v6xm9
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 118.8 KB。
数据说明
不良健康社会决定因素(SDOH)与更高的心力衰竭(HF)风险相关。在动脉粥样硬化社区风险(ARIC)队列研究的9,879名社区参与者中,我们使用基于适配体的平台(Somalogic)评估了4,955种血浆蛋白。我们在黑人和白人参与者中推导出一个由收入、教育和地区剥夺指数(ADI)构成的SDOH因子。对于在Bonferroni显著性水平上与该因子相关的蛋白质,我们使用多变量Cox比例风险模型检验了其与 incident HF 的关联。在黑人参与者中,有36种蛋白质与SDOH因子和 incident HF 均相关,白人参与者中有126种,而12种在种族分层间共享。其中8种在因果中介模型中显示出显著的中介效应。关键结果在UK Biobank的49,396名参与者中得到了重复验证。孟德尔随机化和共定位分析提示,C1QTNF1——一种脂联素旁系同源物——对HF具有潜在因果效应。我们展示了与SDOH负担和HF风险相关的新型蛋白质生物标志物。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
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。




