基于改进Fisher方法的组学数据整合关联方法及其在儿童哮喘中的应用
该数据集整合了来自波多黎各儿童哮喘研究的全基因组基因分型、DNA甲基化和RNA测序等多模态组学数据，通过改进的Fisher方法（Omnibus-Fisher）进行关联分析，旨在优化多组学数据整合策略并探索儿童哮喘的生物学机制，适用于生物信息学、疾病遗传学和组学数据整合方法研究。
基本信息
资源简介
基于改进Fisher方法的组学数据整合关联方法及其在儿童哮喘中的应用
【数据集背景】
本数据集源站标题为《An integrative association method for omics data based on a modified Fisher’s method with application to childhood asthma》。配套论文《An integrative association method for omics data based on a modified Fisher’s method with application to childhood asthma》发表于 PLOS Genetics（2019），DOI：10.1371/journal.pgen.1008142。源站首次发布：2019-05-07。
【数据内容】
源站原始描述：The development of high-throughput biotechnologies allows the collection of omics data to study the biological mechanisms underlying complex diseases at different levels, such as genomics, epigenomics, and transcriptomics. However, each technology is designed to collect a specific type of omics data. Thus, the association between a disease and one type of omics data is usually tested individually, but this strategy is suboptimal. To better articulate biological processes and increase the consist…
【数据结构与技术规格】
文件数 4 个，合计 187.41 KB。pgen.1008142.s001.docx：application/vnd.openxmlformats-officedocument.wordprocessingml.document，20.54 KB。pgen.1008142.s002.pdf：application/pdf，129.68 KB。pgen.1008142.s003.pdf：application/pdf，14.51 KB。数据集 DOI：10.1371/journal.pgen.1008142。
【主题与分类】
源站学科分类：Genetics、Environmental Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。主题标签：omics data、kernel machine regression、RNA sequencing data、type、method、DNA methylation data、Omnibus-Fisher、DNA methylation markers、childhood asthma、error rates。
【适用方向】
源站学科分类标注为 Genetics、Environmental Sciences not elsewhere classified、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified、Mathematical Sciences not elsewhere classified。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/An_integrative_association_method_for_omics_data_based_on_a_modified_Fisher_s_method_with_application_to_childhood_asthma/8090744
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Yan, Qi; Liu, Nianjun; Forno, Erick; Canino, Glorisa; C. Celedón, Juan; Chen, Wei (2019). An integrative association method for omics data based on a modified Fisher’s method with application to childhood asthma. PLOS Genetics. Dataset
【使用注意】
· 源站最后修改于 2023-06-06，引用时请注意版本时效。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集是一个用于整合多组学数据的分析方法及其应用案例，旨在研究儿童哮喘的生物学机制。数据集包含来自波多黎各儿童哮喘研究中的全基因组基因分型、DNA甲基化数据和RNA测序数据，通过改进的Fisher方法（称为Omnibus-Fisher）将这些不同组学平台的数据关联起来，以计算基因水平的整体p值，并考虑了数据之间的相关性。该方法通过扰动扩展为最优检验，以涵盖所有可能的疾病模型。主要研究方向包括多组学数据整合、关联分析方法的优化，以及儿童哮喘的分子机制探索。
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。
