HABC研究内脏脂肪全基因组关联研究
数据覆盖纵向与横断面设计，属于内分泌系统疾病/肥胖症领域。可用于探索与内脏脂肪相关的遗传变异，支持肥胖症遗传机制研究，并可能用于构建预测模型或回归分析（来源 ncbi.nlm.nih.gov）
基本信息
资源简介
HABC研究内脏脂肪全基因组关联研究
phs000169 是一项围绕内脏脂肪开展的全体基因组关联研究，隶属于 HABC 研究框架，可在 ncbi.nlm.nih.gov 的 dbGaP 平台获取。该数据集在分类上归属于内分泌系统疾病与肥胖症方向，主题标签涵盖纵向与横断面两种研究设计。整体来看，它面向与内脏脂肪相关的遗传变异探索，服务于肥胖症遗传机制研究，并可能用于构建预测模型或开展回归分析。数据来源为 dbGaP 研究，兼具纵向随访与横断面观察的特征，为研究内脏脂肪这一肥胖症核心表型的遗传基础提供了数据支撑。
【数据集背景】
该数据集的全称为 Whole Genome Association Study of Visceral Adiposity in the HABC Study，属于内分泌系统疾病与肥胖症领域。其研究焦点是内脏脂肪这一表型，并采用全体基因组关联研究的思路，试图从遗传层面理解内脏脂肪的分布与变化。数据集来源于 ncbi.nlm.nih.gov 的 dbGaP 平台，该平台为基因型与表型关联研究提供数据存储与分发。主题标签显示其设计同时包含纵向与横断面两种类型，意味着研究既关注随时间推移的随访观察，也关注某一时点上的横断面特征。
【数据内容】
数据集覆盖纵向与横断面设计，属于内分泌系统疾病与肥胖症领域。其内容围绕内脏脂肪相关的遗传变异展开，可用于探索与内脏脂肪相关的遗传信号，支持肥胖症遗传机制研究。数据可能用于构建预测模型或回归分析。关于具体的样本量、位点数量、表型字段、随访次数等细节，源站未提供。
【采集与来源】
数据来源站为 ncbi.nlm.nih.gov，源站将其描述为 dbGaP study，研究设计标注为 Longitudinal, Cross-Sectional。除此之外，关于采集地点、采集时间、纳入排除标准、样本来源人群等具体信息，源站未提供。
【适用场景】
该数据集适用于探索与内脏脂肪相关的遗传变异，支持肥胖症遗传机制研究，并可能用于构建预测模型或回归分析。由于同时具备纵向与横断面设计特征，它可用于需要结合时间维度与横断面比较的分析场景。关于更具体的适用场景，如特定人群、特定统计方法或特定临床终点，源站未提供。
【使用方法】
关于该数据集的具体使用方法，包括数据申请流程、访问权限、下载方式、分析工具或配套文档等，源站未提供。
【质量与限制】
关于该数据集的质量评估、数据完整性、缺失情况、偏倚控制或已知限制等信息，源站未提供。
【引用与许可】
关于该数据集的引用要求、许可条款、使用限制或数据共享政策等信息，源站未提供。
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://ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs000169
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
dbGaP study (Longitudinal, Cross-Sectional).
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。
