精准肥胖医学：GLP-1/GIP激动剂应答的遗传预测

数据集获取

源站：https://clinicaltrials.gov/study/NCT07653412

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

条件：肥胖（疾病），抗肥胖药物，精准医学。肥胖是一种慢性疾病，由遗传、环境和行为因素之间复杂的相互作用所致。遗传因素在肥胖易感性中占相当大的比例，遗传率估计为40%至75%。全基因组关联研究已识别出众多与体重指数、食欲调节、能量稳态和代谢功能相关的遗传变异。胰高血糖素样肽-1（GLP-1）受体激动剂和GIP/GLP-1双受体激动剂显著改善了肥胖的药物治疗。司美格鲁肽和替尔泊肽可产生具有临床意义的体重减轻和代谢结局改善。然而，个体间的治疗反应差异很大，导致这种差异的因素尚未完全明确。遗传风险评分（GRS）综合了多个肥胖相关遗传变异的效应，已成为预测疾病风险和治疗反应的潜在工具。其在预测抗肥胖药物治疗反应方面的作用在很大程度上仍未被探索。

这项前瞻性观察性队列研究旨在评估遗传风险评分（GRS）及选定的肥胖相关单核苷酸多态性（SNPs）能否预测肥胖成人对司美格鲁肽或替尔泊肽的减重反应。将连续招募符合条件的、开始接受司美格鲁肽或替尔泊肽治疗的参与者，并随访六个月。在基线时，将收集人口学、临床、人体测量学、生化和遗传学数据。将分析约18个肥胖相关SNPs，包括涉及食欲调节、能量平衡和葡萄糖代谢相关基因的变异。将根据风险等位基因的累计数量计算加性遗传风险评分。主要结局为六个月时的体重减轻百分比。随后将根据治疗反应对参与者进行分类。关联……

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。