T1DGC HLA参考面板（用于SNP2HLA填充）

数据集获取

源站：https://doi.org/10.58020/63vn-7d44

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

T1DGC免疫芯片/HLA参考面板（Jia等人，PLoS ONE 2013年6月6日；8(6):e64683中描述）能够从SNP基因型数据出发，准确推断经典HLA类型。利用主要组织相容性复合体（MHC）区域内HLA位点与SNP标记之间的长距离连锁不平衡，已开发出一种名为SNP2HLA的计算策略，用于推断I类（HLA-A、-B、-C）和II类（-DPA1、-DPB1、-DQA1、-DQB1和-DRB1）位点的经典等位基因和氨基酸多态性。基于1型糖尿病遗传学联盟（T1DGC，5,225名个体）收集的数据构建了欧洲血统参考面板。为进行验证，在英国1958年出生队列（N = 918）中推断了HLA等位基因，该队列具有金标准四位数HLA分型，并使用Affymetrix GeneChip 500K和Illumina ImmunoChip微阵列对SNP进行了基因分型。使用T1DGC参考面板，采用高密度Illumina免疫芯片时，四位数分辨率下的平均准确率为96.7%。对于HLA基因内的氨基酸多态性，使用Illumina免疫芯片的准确率为99.3%。

下方提供了通过Broad研究所访问SNP2HLA软件的链接。可通过此页面提交请求来获取T1DGC参考面板。* SNP2HLA软件包 * T1DGC主要研究 注意：该面板仅可用于糖尿病、自身免疫性疾病及糖尿病并发症领域的研究。

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。