Shiba-Inu和Shih-Tzu犬青光眼GWAS汇总统计

本数据集提供Shiba-Inu和Shih-Tzu犬青光眼跨品种meta分析的GWAS汇总统计,涵盖102,927个SNP

ZenodoZenodo
zenodo
2026-09-30 更新
浏览 14
基因组回归canine glaucomagenome-wide association studyGWASShiba-InuShih-Tzumeta-analysisdogglaucoma
GWAS summary statistics for canine glaucoma in Shiba-Inu and Shih-Tzu dogs

基本信息

模态
基因组
大小
0.038703117 GB
任务类型
回归
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-09-30

资源简介

Shiba-Inu和Shih-Tzu犬青光眼GWAS汇总统计

GWAS summary statistics for canine glaucoma in Shiba-Inu and Shih-Tzu dogs

本数据集提供Shiba-Inu和Shih-Tzu犬青光眼跨品种meta分析的GWAS汇总统计,涵盖102,927个SNP。数据包含两个品种各自的关联统计量以及跨品种meta分析结果。全基因组关联分析采用加性模型,校正年龄、性别和前五个主成分;跨品种meta分析采用固定效应逆方差模型。基因组位置基于CanFam3.1组装。该数据可用于犬青光眼遗传易感位点的定位、跨品种效应比较及候选基因筛选等研究(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。

【数据集背景】

源站首次发布:2026。

【数据内容】

源站描述(机器翻译,仅供参考):本数据集包含Shiba-Inu和Shih-Tzu犬青光眼跨品种meta分析中纳入的102,927个SNP的汇总统计量。数据集包括Shiba-Inu和Shih-Tzu犬的品种特异性关联统计量以及相应的跨品种meta分析结果。全基因组关联分析使用加性模型,校正年龄、性别和前五个主成分。跨品种meta分析使用固定效应逆方差模型。基因组位置基于CanFam3.1基因组组装。

【主题与分类】

主题标签:canine glaucoma、genome-wide association study、GWAS、Shiba-Inu、Shih-Tzu、meta-analysis、dog、glaucoma。本站分类:眼及附器疾病/青光眼。

【获取与许可】

源站页面:https://zenodo.org/doi/10.5281/zenodo.23049638

使用许可:Creative Commons Attribution 4.0 International。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://doi.org/10.5281/zenodo.23049638

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。

数据集大小约 38.7 MB。

数据说明

该数据集包含102,927个SNP的汇总统计数据,这些SNP纳入了柴犬和西施犬青光眼的跨品种荟萃分析。数据集包括柴犬和西施犬的品种特异性关联统计,以及相应的跨品种荟萃分析结果。全基因组关联分析采用加性模型,并校正了年龄、性别和前五个主成分。跨品种荟萃分析采用固定效应逆方差模型进行。基因组位置基于CanFam3.1基因组组装。

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。

获取专属数据定制方案