GARM II:年龄相关性黄斑病变遗传学研究
GARM II 是一项关于年龄相关性黄斑病变(ARM)遗传学的研究数据集,来源于 clinicaltrials.gov。该数据集关注年龄相关性黄斑变性及年龄相关性黄斑病变,涉及 CFH 和 HTRA1/ARMS2 等基因变异对疾病风险的影响

基本信息
资源简介
GARM II:年龄相关性黄斑病变遗传学研究
GARM II 是一项关于年龄相关性黄斑病变(ARM)遗传学的研究数据集,来源于 clinicaltrials.gov。该数据集关注年龄相关性黄斑变性及年龄相关性黄斑病变,涉及 CFH 和 HTRA1/ARMS2 等基因变异对疾病风险的影响。研究通过分析家族内 ARM 患者共享的遗传变异(SNP),并比较患者与未患病个体之间遗传变异频率的差异,以探索该复杂疾病的遗传基础。该数据可用于遗传关联分析、疾病风险预测及相关基因变异研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:年龄相关性黄斑变性、年龄相关性黄斑病变。年龄相关性黄斑变性(ARM)是老年人视力丧失的主要原因。据认为,吸烟和饮食可能增加患该病的风险,但遗传显然起着主要作用。已发现两个基因 CFH 和 HTRA1/ARMS2 的变异对患 ARM 的风险有很大影响,但还有更多基因影响一个人患该病的几率以及如何进展为视力丧失。我们正在研究这些导致 ARM 的遗传变异,以便最终理解这种复杂疾病的病因。我们研究家族内 ARM 患者共享的遗传变异(SNP),并比较 ARM 患者与未患病个体之间遗传变异的频率。
【主题与分类】
主题标签:Age-related Macular Degeneration、Age-related Maculopathy。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01115387
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://clinicaltrials.gov/study/NCT01115387
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
疾病:年龄相关性黄斑变性、年龄相关性黄斑病变。年龄相关性黄斑变性(ARM)是老年人视力丧失的主要原因。据认为,吸烟和饮食可能增加患此病的风险,但遗传显然起着主要作用。已发现CFH和HTRA1/ARMS2两个基因的变异与罹患ARM的风险密切相关,但还有其他基因影响一个人患此病的几率以及进展为视力丧失的可能性。我们正在研究这些导致ARM的遗传变异,以便最终理解这种复杂疾病的病因。我们研究在家族内ARM患者中共有的遗传变异(SNPs),并比较ARM患者与在年龄、性别和暴露因素上相匹配的未患病者之间遗传变异频率的差异。我们正在利用先前研究参与者队列的DNA开展研究,同时也在开展一项针对高风险家庭成员及其配偶的前瞻性研究,以评估遗传风险和症状前视网膜改变。
我们的长期目标是开发新的预防性疗法,以减缓或阻止该疾病的发展,并能够在那些风险最高的人群出现威胁视力的变化之前,为他们提供这些治疗。本研究(GARM II)的目标是确定遗传、饮食、健康以及光照、饮食和吸烟等暴露因素的组合如何影响一个人患上这种疾病的风险。这不是一项治疗研究,也不涉及任何针对ARM的预防性疗法或直接治疗。我们旨在通过一组患ARM风险高于正常水平的人群(由于其家族史)以及代表普通人群风险的他们的伴侣,为未来的预防策略寻找一些见解。由于ARM是一种复杂疾病,受许多因素影响,我们还
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。




