基于35个实验室生物标志物的multi-PRS权重数据集

数据集获取

源站：https://doi.org/10.35092/yhjc.12355424

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

该数据集包含使用以下预印本中描述的35种生物标志物特征计算的多基因风险评分权重：N. Sinnott-Armstrong*，Y. Tanigawa*等，英国生物银行中38种血液和尿液生物标志物的遗传学研究。bioRxiv，660506（2019）。doi:10.1101/660506。请注意，我们正在准备手稿的修订版，此数据集包含35种（而非38种）生物标志物表型。此数据集中包含的疾病终点列表为：心绞痛、酒精性肝硬化、胆结石、高血压、胆囊炎、肾衰竭、心力衰竭、心肌梗死、痛风以及2型糖尿病（T2D）。我们提供了由多-PRS表征的23个多基因风险评分的权重。模型列表汇总于list_of_multi-PRS-models.tsv中。此索引文件包含以下列：文件名：此数据集中多基因风险评分权重的文件名。特征：疾病结局。协变量调整：一个二元变量，指示多-PRS模型是否在训练时进行了协变量（年龄、性别和PC1-10）调整。家族史调整：一个二元变量，指示多-PRS模型是否在训练时使用了家族史。备注：相关时的附加信息。

对于列出的“Covariate_adjustment == TRUE”的PRS模型，我们拟合了经年龄、性别和10个主成分调整的多PRS回归模型，而“Covariate_adjustment == FALSE”的模型则未使用这些协变量。对于T2D，我们有两组模型：(1)针对UK Biobank中Eastwood等人T2D病例训练的模型，以及(2)针对UK Biobank中Eastwood等人T2D病例与HbA1c < 39的过滤对照训练的模型。对于心肌梗死，我们提供了一个带有家族史调整的模型，即weights_familyhistory.HC326.tsv.gz。该模型使用协变量(年龄、性别和10个主成分)以及心脏病家族史作为协变量进行训练。更多详情请阅读我们的手稿。对于list_of_multi-PRS-models.tsv中列出的每个PRS模型，我们提供了一个comp

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。