家族性高胆固醇血症DNA甲基化数据(betafunnorm)

该数据集包含家族性高胆固醇血症(FH)患者的标准化DNA甲基化数据(betafunnorm),分为两组:携带LDLR致病性变异的FH1患者,以及无导致FH的分子缺陷但LDL-C > 6 mmol/L的FH4患者

figsharefigshare
datacite
浏览 11
基因组分类BiomarkersFOS: Biological sciencesCardiologyFOS: Clinical medicineMedicine110104 Medical Biochemistry: Lipids
20200513 - betafunnorms familial hypercholesterolemia.csv

基本信息

模态
基因组
任务类型
分类
许可
GPL 3.0+
创建/更新时间
2026-10-17

资源简介

家族性高胆固醇血症DNA甲基化数据(betafunnorm)

20200513 - betafunnorms familial hypercholesterolemia.csv

该数据集包含家族性高胆固醇血症(FH)患者的标准化DNA甲基化数据(betafunnorm),分为两组:携带LDLR致病性变异的FH1患者,以及无导致FH的分子缺陷但LDL-C > 6 mmol/L的FH4患者。所有参与者均为男性且未使用任何降脂治疗。数据可用于探索FH相关的表观遗传标志物,支持生物标志物发现与疾病分型研究(来源 DOI 解析,GPL 3.0+ 许可)。

【数据集背景】

源站首次发布:2020。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含家族性高胆固醇血症(FH)患者的标准化DNA甲基化数据(betafunnorm)。数据集由两组FH患者组成:一组为携带LDLR致病性变异的患者(FH1),另一组为无导致FH的分子缺陷但LDL-C > 6 mmol/L的患者(FH4)。所有参与者均为男性且未使用任何降脂治疗。

【主题与分类】

主题标签:Biomarkers、Cardiology、Medicine。本站分类:内分泌系统疾病/高胆固醇。

【获取与许可】

源站页面:https://figshare.com/articles/dataset/20200513_-_betafunnorms_familial_hypercholesterolemia_csv/12334586/1

使用许可:GPL 3.0+。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

源站:https://doi.org/10.6084/m9.figshare.12334586.v1

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

该数据集包含家族性高胆固醇血症(FH)患者的标准化DNA甲基化数据(betafunnorm)。数据集由两组FH患者组成:一组为携带LDLR致病性变异的患者(FH1),另一组为无导致FH的分子缺陷但LDL-C > 6 mmol/L的患者(FH4)。所有参与者均为男性,且未使用任何降脂治疗。

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。

获取专属数据定制方案