eMERGE Network 联合数据集

数据集获取

源站：https://omicsdi.org/dataset/dbgap/phs000360

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

电子病历与基因组学（eMERGE）网络是由五个参与站点（西雅图团体健康、马什菲尔德诊所、梅奥诊所、西北大学和范德堡大学）组成的联盟，由NHGRI资助，旨在研究电子病历系统在基因组研究中的应用。eMERGE的目标是利用电子病历衍生的表型和来自关联生物样本库的DNA，在大约19,000名个体中进行全基因组关联研究。通过电子表型分析方法，该联盟利用所有参与站点的DNA样本，探索红细胞指数、白细胞计数（WBC）分类、糖尿病视网膜病变、身高、血清脂质水平（特别是总胆固醇、HDL（高密度脂蛋白）、LDL（低密度脂蛋白）和甘油三酯）以及自身免疫性甲状腺功能减退症的遗传决定因素，并利用全表型组关联研究（PheWAS）范式来重复和发现目标基因型与多种表型之间的关系。

eMERGE主导了以下研究的原始基因分型，并将其纳入这一合并数据集：个性化医疗研究项目队列中白内障和高密度脂蛋白的全基因组关联研究，phs000170；高通量GWA研究网络基础设施的开发与使用，phs000234；范德堡基因组-电子记录（VGER）项目：QRS时限，phs000188；西北大学NUgene项目：2型糖尿病，phs000237；外周动脉疾病的全基因组关联研究，phs000203。研究机构和参与者包括：范德堡大学：BioVU，范德堡的DNA数据库，是探索遗传变异、疾病易感性和药物反应差异之间关系的使能资源，代表着将基因组学和药物基因组学这些新兴科学从研究工具推向临床实践的关键第一步。BioVU从常规患者护理中收集的废弃血液样本中获取DNA。

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。