2型糖尿病蛋白靶点的全蛋白质组关联及基于大语言模型的优先级排序

数据集获取

源站：https://clinicaltrials.gov/study/NCT07832656

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

疾病：2型糖尿病（DM）。2型糖尿病是导致疾病和健康差异的主要原因。遗传关联研究可以识别与疾病风险相关的基因组区域，但并不总能识别参与疾病发生的蛋白质或生物学机制。本项目将对现有的、受控访问的遗传、蛋白质组学和表型数据进行回顾性二次分析，包括通过 United Kingdom Biobank（UK Biobank）获取的数据以及其他既往收集的数据集。本研究不会招募、入组、联系、治疗或随访任何新的参与者。该研究将使用全蛋白质组关联方法，评估遗传预测的循环蛋白水平是否与2型糖尿病风险相关。分析将在有数据时考虑非裔美国人和欧洲裔美国人数据集中的证据，并关注人群特异性和共享信号。统计遗传学证据将与相关生物学和临床信息整合，以优先筛选可能在2型糖尿病中具有因果作用的蛋白质靶点。

基于大语言模型的方法将作为一种结构化的证据合成工具，用于整理和总结与优先考虑的蛋白质相关的公开可用信息，包括生物学功能、疾病相关性以及潜在的治疗可干预性。所有计算结果都将由研究团队审核。该项目将产生可重复的分析工作流程、候选蛋白质靶点的排序列表，以及用于未来实验验证的假设。研究结果旨在供研究使用，不会用于为个体患者做出临床决策。

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。