phs000914：萨摩亚人肥胖全基因组关联研究
该数据集为 dbGaP 收录的 phs000914 研究，主题为萨摩亚人肥胖的全基因组关联研究，属于内分泌系统疾病下的肥胖症方向
基本信息
资源简介
phs000914：萨摩亚人肥胖全基因组关联研究
该数据集为 dbGaP 收录的 phs000914 研究，英文名称为 Genome-wide Association Study of Adiposity in Samoans，主题为萨摩亚人肥胖的全基因组关联研究。按照本站分类，它归属于内分泌系统疾病下的肥胖症方向，来源站为 ncbi.nlm.nih.gov。源站将其描述为一项 dbGaP 研究，研究设计属于横断面、人群研究，主题标签同样为横断面与人群。整体来看，该数据集围绕萨摩亚人群的肥胖性状开展全基因组关联分析，可用于探索与肥胖相关的遗传变异，属于遗传流行病学与内分泌代谢疾病交叉领域的研究资源。
【数据集背景】
该数据集对应的研究聚焦于萨摩亚人群的肥胖问题。肥胖属于内分泌系统疾病范畴，而全基因组关联研究是识别与复杂性状相关遗传变异的常用策略。将研究对象限定为萨摩亚人，意味着该研究关注特定人群中的肥胖遗传基础。源站将其登记为 dbGaP 研究，说明其属于受控访问的基因型与表型数据库体系中的一项研究。研究设计为横断面、人群研究，表明其数据采集方式为在某一时间点上对人群样本进行观察，而非长期随访。上述信息构成了该数据集的基本背景。
【数据内容】
该数据集的主题为萨摩亚人肥胖的全基因组关联研究。其核心内容应围绕全基因组关联分析展开，涉及肥胖相关性状与遗传变异的关联。源站描述仅给出“dbGaP study (Cross-Sectional, Population)”这一层级的信息，主题标签为横断面与人群。关于具体的样本量、基因分型平台、表型测量指标、变异位点数量、统计分析方法及结果摘要等细节，源站未提供。
【采集与来源】
该数据集的来源站为 ncbi.nlm.nih.gov，属于 dbGaP 收录的研究，编号为 phs000914。源站将其描述为一项横断面、人群研究。关于具体的招募方式、采样地点、采集时间、纳入与排除标准、伦理审批信息以及数据提交机构等，源站未提供。
【适用场景】
基于其主题与设计，该数据集适用于与萨摩亚人群肥胖遗传学相关的研究场景，例如在全基因组关联分析框架下探讨肥胖相关性状的遗传关联，或作为特定人群遗传流行病学研究的参考数据。由于源站将其标注为横断面、人群研究，其适用场景也应限定在横断面人群研究的范围内。关于该数据集是否适用于纵向分析、跨人群比较或临床预测等具体用途，源站未提供。
【使用方法】
该数据集为 dbGaP 收录的研究，通常需要通过 dbGaP 的受控访问流程申请使用。关于该数据集的具体申请条件、访问级别、下载方式、数据格式、配套分析工具及使用协议等，源站未提供。
【质量与限制】
该数据集为横断面、人群研究，这一设计本身意味着其数据反映的是某一时间点的人群状况，在因果推断方面存在固有局限。此外，研究聚焦于萨摩亚人群，其结论向其他人群外推时需谨慎。关于该数据集的具体样本代表性、基因型数据质量、表型测量误差、缺失情况、统计效力及已知偏倚等，源站未提供。
【引用与许可】
该数据集来源于 ncbi.nlm.nih.gov 的 dbGaP，研究编号为 phs000914。关于具体的引用格式、致谢要求、数据使用许可条款、访问授权范围及再分发限制等，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=phs000914
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 (Cross-Sectional, Population).
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。
