多组学分析揭示格雷夫斯病治疗候选基因数据集
该数据集包含格雷夫斯病的多组学遗传关联分析结果，涉及基因组、表观基因组（甲基化）、转录组（基因表达）和蛋白质组等多个数据模态，通过孟德尔随机化和共定位分析揭示了与疾病显著相关的候选基因（如AGER和AIF1）及其在免疫炎症通路中的富集特征，并基于药物数据库预测了潜在的治疗化合物，主要用于格雷夫斯病的发病机制研究、治疗靶点发现和药物开发方向探索。
基本信息
资源简介
多组学分析揭示格雷夫斯病治疗候选基因数据集
【数据集背景】
本数据集源站标题为《Multi-omics profiling uncovers candidate genes for the treatment of graves’ disease》。配套论文《Multi-omics profiling uncovers candidate genes for the treatment of graves’ disease》发表于 Immunopharmacology and Immunotoxicology（2025），DOI：10.1080/08923973.2025.2603439。项目资助方：Education Research Project for Young and Middle aged Teachers by the Education Department of Fujian Province (JAT190558); Putian Science and Technology Bureau Funding(2020S3F007); Fujian Provincial Natural Science Foundation Project (2023J011720).。源站首次发布：2025-12-22。
【数据内容】
源站原始描述：This Summary-data-based Mendelian randomization (SMR) study investigates the genetic basis of Graves’ disease (GD) using a multi-omics approach to elucidate biological mechanisms and identify therapeutic candidates. SMR and Bayesian colocalization analyzed GD associations with methylation (mQTL), expression (eQTL), and protein quantitative trait loci (pQTL) using FinnGen as the discovery cohort. Top SNPs underwent methylation-gene expression and gene expression-protein interaction analyses. Key…
【数据结构与技术规格】
文件数 1 个，合计 287.92 KB。iipi_a_2603439_sm3394.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，287.92 KB。数据集 DOI：10.6084/m9.figshare.30931680.v1。
【主题与分类】
源站学科分类：Biochemistry、Cell Biology、Genetics、Molecular Biology、Pharmacology、Biological Sciences not elsewhere classified。主题标签：Multi-omics research、Graves’ disease、candidate genes、summary-data-based Mendelian randomization、AGER/AIF1。
【适用方向】
源站学科分类标注为 Biochemistry、Cell Biology、Genetics、Molecular Biology、Pharmacology、Biological Sciences not elsewhere classified。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Multi-omics_profiling_uncovers_candidate_genes_for_the_treatment_of_graves_disease/30931680
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Multi-omics profiling uncovers candidate genes for the treatment of graves’ disease. Taylor & Francis. Gao, Jian; Zheng, Zifang; Zhang, Guolie
【使用注意】
· 源站最后修改于 2026-02-18，引用时请注意版本时效。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集基于汇总数据孟德尔随机化（SMR）研究，采用多组学方法探究格雷夫斯病（GD）的遗传基础，旨在阐明生物学机制并识别潜在治疗靶点。数据集包含甲基化数量性状位点（mQTL）、表达数量性状位点（eQTL）和蛋白质数量性状位点（pQTL）的关联分析结果，以FinnGen队列作为发现队列，并利用独立GWAS数据集进行验证。通过SMR和贝叶斯共定位分析，识别出与GD显著相关的甲基化位点（1,772个位点对应294个基因）和表达基因（157个基因），并在蛋白质层面发现多个候选基因。关键基因AGER和AIF1在多组学层面均显示一致性关联。数据集还包含功能富集分析结果（显示免疫/炎症通路相关）以及基于药物特征数据库（DsigDB）的潜在药物预测（如齐墩果酸、芦丁、雌三醇等）。该数据集为格雷夫斯病的发病机制研究、治疗策略优化和药物开发提供了重要数据支持。
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。
