母体妊娠期糖尿病与宫内生长受限对子代甲基化模式的影响：提示与后续2型糖尿病风险相关的共同基因和通路
该数据集来自 search.dataone.org，属于内分泌、营养和代谢疾病 / 糖尿病分类，主题涉及表观遗传学、母体环境与胎儿编程
基本信息
资源简介
母体妊娠期糖尿病与宫内生长受限对子代甲基化模式的影响：提示与后续2型糖尿病风险相关的共同基因和通路
Impact on offspring methylation patterns of maternal gestational diabetes mellitus and intrauterine growth restraint suggest common genes and pathways linked to subsequent type 2 diabetes risk
该数据集来自 search.dataone.org，属于内分泌、营养和代谢疾病 / 糖尿病分类，主题涉及表观遗传学、母体环境与胎儿编程。数据基于脐带血样本的 bead chip DNA 甲基化检测，比较妊娠期糖尿病母亲所生婴儿、出生后快速追赶生长提示宫内生长受限的婴儿与出生后生长正常婴儿。研究在两组中鉴定出 75 个差异甲基化 CpG 位点，对应 72 个基因，许多与生长和糖尿病相关，并进行了复制研究。可用于探索母体妊娠期糖尿病和宫内生长受限对子代甲基化模式的影响及其与后续 2 型糖尿病风险的关联（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：出生时大小、出生后体重增长以及成人2型糖尿病风险可能反映发育可塑性期间的环境暴露，并可能由表观遗传学介导。低出生体重（BW）作为胎儿生长受限的标志，以及高出生体重（BW），尤其是在妊娠期糖尿病（GDM）之后，均与成人2型糖尿病风险增加相关。我们使用bead chip评估了妊娠期糖尿病母亲所生婴儿（第1组）和以出生后快速追赶生长提示产前生长受限的婴儿（第2组）脐带血样本中的DNA甲基化模式，并与出生后生长正常的婴儿（第3组）进行比较。与对照组（第3组）相比，第1组和第2组中有75个CpG位点存在差异甲基化，代表72个基因，许多与生长和糖尿病相关。在使用类似方法的复制研究中，许多这些
【主题与分类】
主题标签：Epigenetics、Homo Sapiens、maternal environment、Fetal programming。本站分类：内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Af8c22dfbe324ba590a670dedb321699b0b6b075a06cb5319a8b64ec437f5993a
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
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:
数据说明
出生体型、产后体重增长以及成年后2型糖尿病风险，可能反映了发育可塑性期间的环境暴露，并可能由表观遗传学介导。无论是作为胎儿生长受限标志的低出生体重，还是高出生体重，尤其是在妊娠期糖尿病之后，都与成年后2型糖尿病风险增加相关。我们使用珠芯片技术，对妊娠期糖尿病母亲所生婴儿（第1组）以及因产后快速追赶生长而提示产前生长受限的婴儿（第2组）的脐血样本进行了DNA甲基化模式评估，并与产后生长正常的婴儿（第3组）进行比较。与对照组（第3组）相比，第1组和第2组中有75个CpG位点存在差异甲基化，代表72个基因，其中许多与生长和糖尿病相关。在使用类似方法进行的重复研究中，这些差异甲基化区域中有许多与低于……的母体葡萄糖暴露水平相关。
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。
