1000 Genomes数据处理代码与结果：GBD 2023病因负担QTL校准研究
伴随一项研究的代码、处理数据与衍生结果，该研究评估负担数量性状位点（bQTL）分析的校准情况，bQTL分析将Global Burden of Disease（GBD）国家层面率回归于1000 Genomes等位基因频率
基本信息
资源简介
1000 Genomes数据处理代码与结果：GBD 2023病因负担QTL校准研究
伴随一项研究的代码、处理数据与衍生结果，该研究评估负担数量性状位点（bQTL）分析的校准情况，bQTL分析将Global Burden of Disease（GBD）国家层面率回归于1000 Genomes等位基因频率
Code, processed 1000 Genomes data and results for: Burden QTLs from country-level allele frequencies are statistical artefacts — a calibration study of GBD 2023 causes
【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）：伴随一项研究的代码、处理数据与衍生结果，该研究评估负担数量性状位点（bQTL）分析的校准情况，bQTL分析将Global Burden of Disease（GBD）国家层面率回归于1000 Genomes等位基因频率。该记录包含：(1) bqtl_code.zip：复现已发表bQTL设定及两种校准设定的Python代码、国家标签置换零分布、功效模拟、逐变异REML与留一国家检查，以及报告位点的刻画，并含环境文件；(2) bqtl_data_1000G.zip：源自1000 Genomes phase 3的20个国家11 832 636个变异的参考等位基因频率，含样本列表、QC排除列表与PCA；(3) bqtl_results.zip：42个结局跨13个GBD病因的扫描摘要、置换与验证结果、顶级命中、绘图数据与图件。GBD估计与FinnGen摘要统
【主题与分类】
主题标签：生态学研究、群体分层、I类错误、置换检验。本站分类：消化系统疾病/脂肪肝(MASLD)。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23439874
使用许可：Creative Commons Attribution Share Alike 4.0 International。
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/10.5281/zenodo.23439874
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 449.7 MB。
数据说明
伴随一项研究的代码、处理后数据和衍生结果，该研究评估负担数量性状基因座（bQTL）分析的校准情况，该分析将全球疾病负担（GBD）国家层面率对1000 Genomes等位基因频率进行回归。该记录包含：(1) bqtl_code.zip：重现已发表bQTL设定及两个校准设定的Python代码、国家标签置换零假设、功效模拟、逐变异REML和留一国家检查，以及所报告基因座的表征，并附环境文件；(2) bqtl_data_1000G.zip：源自1000 Genomes第3阶段的20个国家中11 832 636个变异的参考等位基因频率，附样本列表、QC排除列表和PCA；(3) bqtl_results.zip：13个GBD病因下42个结局的扫描汇总、置换和验证结果、顶级命中、绘图数据和图。GBD估计值和FinnGen汇总统计量不再分发；获取说明见代码README。
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。
