NHLBI TOPMed：萨摩亚人肥胖全基因组关联研究
研究设计为横断面、人群研究，本站归类于内分泌系统疾病下的肥胖症。数据可用于探索肥胖相关遗传变异与表型的关联，支持肥胖遗传学及人群特异性风险研究（来源 ncbi.nlm.nih.gov）
基本信息
资源简介
NHLBI TOPMed：萨摩亚人肥胖全基因组关联研究
phs000972 是 NCBI dbGaP 收录的一项关于萨摩亚人群肥胖性状的全基因组关联研究，英文全称为 NHLBI TOPMed: Genome-wide Association Study of Adiposity in Samoans。该研究采用横断面、人群研究设计，在本站被归类于内分泌系统疾病下的肥胖症。围绕肥胖相关遗传变异与表型的关联，该数据集可用于肥胖遗传学及人群特异性风险研究，为理解萨摩亚人群肥胖的遗传基础提供数据支持。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面进行介绍。
【数据集背景】
该数据集属于 NHLBI TOPMed 计划框架下针对萨摩亚人群肥胖性状开展的全基因组关联研究。肥胖症在内分泌系统疾病中占有重要位置，其发生涉及遗传与环境的多重因素。选择萨摩亚人群作为研究对象，使该数据集具备人群特异性研究的价值，可用于探索该人群肥胖相关遗传变异与表型之间的关联。研究设计为横断面、人群研究，这一设计特征决定了数据在时点上对人群状态的刻画方式。源站将其描述为 dbGaP study，属于 dbGaP 收录的研究项目。
【数据内容】
该数据集的主题标签为 Cross-Sectional 与 Population，对应横断面与人群研究两个维度。其核心内容围绕肥胖性状的全基因组关联分析展开，涉及肥胖相关遗传变异与表型的关联信息。本站将其归类于内分泌系统疾病下的肥胖症，明确了其在疾病分类体系中的位置。关于具体的样本量、遗传标记数量、表型指标种类、数据文件格式与规模等细节，源站未提供。
【采集与来源】
该数据集来源于 ncbi.nlm.nih.gov，具体为 dbGaP 收录的研究项目，源站描述其为 Cross-Sectional, Population 研究。数据由 NHLBI TOPMed 计划下的相关研究产生，研究对象为萨摩亚人群。关于样本采集地点、采集时间、招募方式、伦理审批与知情同意流程等具体信息，源站未提供。
【适用场景】
基于其横断面、人群研究的设计特征与肥胖症的主题定位，该数据集适用于探索肥胖相关遗传变异与表型之间的关联，支持肥胖遗传学及人群特异性风险研究。研究者可将其用于萨摩亚人群肥胖遗传基础的考察，也可在人群特异性遗传风险研究的框架下使用。关于该数据集在其他具体研究场景中的适用性，源站未提供。
【使用方法】
该数据集通过 NCBI dbGaP 平台发布，属于 dbGaP study。关于数据访问权限的申请流程、受控访问与开放访问的划分、下载方式、配套分析工具与文档说明等具体使用信息，源站未提供。
【质量与限制】
该研究为横断面设计，这一设计本身在时点刻画上具有固有特征。关于样本质量评估、基因型质控指标、缺失数据处理、人群分层校正以及统计效力等方面的具体信息，源站未提供。使用时应结合研究设计特征对结果解释加以考量。
【引用与许可】
该数据集来源于 ncbi.nlm.nih.gov 的 dbGaP 平台。关于具体的引用格式、数据使用协议、许可条款与再分发规定等信息，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=phs000972
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。
