基于血液的慢性低度炎症表观基因组关联分析 - Bayesian EWAS 与 CRP 预测因子

数据集获取

源站：https://datashare.ed.ac.uk/handle/10283/8571

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

该数据集包含四个文件，根据Hillary等人题为“跨多种人群队列的慢性低度炎症血液表观基因组范围分析”的手稿中所进行的分析，分为两组。手稿可通过以下链接获取：https://doi.org/10.1101/2023.11.02.23298000。第一组包含一个名为“crp_bayespr_basic_model_hillaryetal.csv”的文件。该文件包含了贝叶斯惩罚回归模型的输出结果，该模型用于对Generation Scotland参与者（N=17,936）血液C反应蛋白（CRP）水平进行表观基因组范围关联研究。模型探究了752,722个CpG位点与对数转换后的血液CRP水平之间的关联。在进入模型前，CRP水平已根据年龄和性别进行了调整。CpG β值对年龄、性别、估计的白细胞比例及实验批次进行了回归分析。残差被标准化为零均值和单位方差后输入贝叶斯模型。系数反映了这些标准化变量。标准线性表观基因组范围关联研究的结果可在EWAS Catalog中获取。

第二组包含三个文件，分别名为“elastic_net_predictor_for_crp.csv”、“bayespr_predictor_for_crp.csv”和“pca_elnet_prediction_object_for_crp.rds”。这些文件包含了来自三种不同预测方法的CpG位点及其权重。这三种方法分别是弹性网回归、贝叶斯惩罚回归以及结合主成分分析的弹性网。C反应蛋白水平的预测因子是在Generation Scotland中训练的，可应用于外部队列。预测脚本和预测因子（打包在一起）可在以下存储库中获取：https://doi.org/10.5281/zenodo.10154736。

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。