LOVD FBN1基因变异数据库

LOVD FBN1基因变异数据库收录FBN1基因变异、马凡综合征表型说明和提交者注释数据,数据模态为表格,适合马凡综合征相关病例识别、诊断建模、分割检测、风险评估或临床研究复现。

Leiden Open Variation DatabaseLeiden Open Variation Database
LOVD
2026-01-01 更新
浏览 29
表格变异分类FBN1fibrillin 1ACMIDECTOL1GPHYSD2MASSMFLSMFSSSKSWMS2
LOVD FBN1 Variant Database

基本信息

模态
表格
任务类型
变异分类
许可
LOVD Terms of Use
创建/更新时间
2026-01-01

资源简介

LOVD FBN1基因变异数据库

【一句话概览】

FBN1 基因变异数据库收录 fibrillin 1(FBN1)的致病变异数据,该基因定位于染色体 15(q21.1),关联疾病包括 ACMID、ECTOL1、GPHYSD2、MASS、MFLS、MFS。数据库公开变异记录 2419 条,去重 DNA 变异 1683 个,涉及个体 1173 例(来源 LOVD)。

【数据集背景】

本数据集源站标题为《FBN1 基因变异数据库(fibrillin 1)》。

【数据内容】

源站原始描述:收录基因 FBN1(fibrillin 1)的致病变异数据;定位于染色体 15(q21.1);关联疾病 ACMID、ECTOL1、GPHYSD2、MASS、MFLS、MFS;公开变异记录 2419 条;去重 DNA 变异 1683 个;涉及个体 1173 例。

中文译文(机器翻译,仅供快速理解,请以原文为准):收录基因 FBN1(fibrillin 1)的致病变异数据;定位于染色体 15(q21.1);关联疾病 ACMID、ECTOL1、GPHYSD2、MASS、MFLS、MFS;公开变异记录 2419 条;去重 DNA 变异 1683 个;涉及个体 1173 例。

【主题与分类】

主题标签:FBN1、fibrillin 1、ACMID、ECTOL1、GPHYSD2、MASS、MFLS、MFS、SSKS、WMS2。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://databases.lovd.nl/shared/genes/FBN1

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://databases.lovd.nl/shared/genes/FBN1

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

LOVD FBN1 Variant Database 数据集包含FBN1基因变异、马凡综合征表型说明和提交者注释数据,可围绕马凡综合征(Marfan syndrome)开展病例筛选、特征提取、诊断分类、分割检测、风险评估或预后分析。

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