雷诺综合征遗传与功能分析数据集:血管与免疫相关位点研究

该数据集是一个针对雷诺综合征的全基因组关联研究元分析的汇总统计数据,包含来自英国生物银行、FinnGen、爱沙尼亚生物银行和麻省总医院布里格姆生物银行四大独立人群队列的遗传信息,数据模态为基因型-表型关联的统计结果。其主要用途是研究雷诺综合征的遗传易感位点,特别是与血管功能和免疫相关的基因,如ADRA2A和IRX1,并通过功能实验验证这些位点在温度依赖性血管收缩中的作用,为理解该疾病的分子机制和开发潜在治疗靶点提供遗传学基础。

DataONE
2024-08-21 更新
浏览 34
遗传学雷诺综合征
Genetic and Functional Analysis of Raynaud's Syndrome Implicates Loci in Vasculature and Immunity

基本信息

大小
0.00001257 GB
创建/更新时间
2024-08-21

资源简介

该数据集是一个关于雷诺综合征(Raynaud's syndrome)的全基因组关联研究(GWAS)元分析汇总统计数据。雷诺综合征是一种自主神经功能障碍疾病,患者在寒冷暴露下会出现血管收缩和缺氧,尤其影响四肢末端。数据集包含来自四个独立人群队列的GWAS汇总统计数据的元分析结果:英国生物银行、FinnGen数据冻结10、爱沙尼亚生物银行和麻省总医院布里格姆生物银行。研究发现了八个与雷诺综合征相关的基因位点(ADRA2A、IRX1、NOS3、ACVR2A、TMEM51、PCDH10-DT、HLA、RAB6C),其中多个位点与远端动脉中的eQTL共定位。数据集还包括通过CRISPR基因编辑、原位RNA检测和功能收缩实验验证的功能性研究结果,揭示了ADRA2A在温度依赖性肾上腺素能信号传导和IRX1在微血管中的作用。该数据集主要用于遗传学、血管生物学和免疫学研究,为理解复杂疾病的遗传机制提供了重要资源。

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://search.dataone.org/view/sha256:bd754686b11bcd74c9334bdf46b4803da154d04d7bd4b50ac09ed04843400620

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

该数据集是一个关于雷诺综合征(Raynaud’'s syndrome)的全基因组关联研究(GWAS)元分析汇总统计数据。雷诺综合征是一种自主神经功能障碍疾病,患者在寒冷暴露下会出现血管收缩和缺氧,尤其影响四肢末端。数据集包含来自四个独立人群队列的GWAS汇总统计数据的元分析结果:英国生物银行、FinnGen数据冻结10、爱沙尼亚生物银行和麻省总医院布里格姆生物银行。研究发现了八个与雷诺综合征相关的基因位点(ADRA2A、IRX1、NOS3、ACVR2A、TMEM51、PCDH10-DT、HLA、RAB6C),其中多个位点与远端动脉中的eQTL共定位。数据集还包括通过CRISPR基因编辑、原位RNA检测和功能收缩实验验证的功能性研究结果,揭示了ADRA2A在温度依赖性肾上腺素能信号传导和IRX1在微血管中的作用。该数据集主要用于遗传学、血管生物学和免疫学研究,为理解复杂疾病的遗传机制提供了重要资源。

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