Harmonia 协调化 GWAS 汇总统计——肿瘤
该数据集为 Harmonia 协调化 GWAS 汇总统计系列中的肿瘤部分，覆盖乳腺癌与前列腺癌两类性状，整合 6 项公开研究
基本信息
资源简介
Harmonia 协调化 GWAS 汇总统计——肿瘤
Harmonia harmonized GWAS summary statistics — Cancer
该数据集为 Harmonia 协调化 GWAS 汇总统计系列中的肿瘤部分，覆盖乳腺癌与前列腺癌两类性状，整合 6 项公开研究。文件经 Harmonia v1.5.0 处理，生成 COJO 与 LD-score regression 格式输出，每个研究归档同时提供 GRCh38/hg38 主构建与 GRCh37/hg19 liftover 构建。清单文件列出性状、祖源、构建、样本量、PMID 及变异数。仅纳入允许公开再分发的许可研究，可用于肿瘤遗传关联分析与多研究整合（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）：该数据集包含 6 项公开研究的协调化 GWAS 汇总统计，覆盖一个性状类别：肿瘤（乳腺癌与前列腺癌）。文件使用 Harmonia v1.5.0（ 10.5281/zenodo.21420283）处理，该工具协调化 GWAS 汇总统计并生成 COJO 与 LD-score regression 格式输出。每个按研究归档的压缩包（.tar.gz）包含 GRCh38/hg38（主）与 GRCh37/hg19（b37，经 liftover）两种构建的输出。清单文件（manifest_upload05.tsv）列出所有纳入研究的性状名称、祖源、构建、样本量、PMID、COJO 变异数与 LDSC 变异数。仅纳入具有宽松公开再分发许可的研究；处于数据使用协议或受限访问下的研究被排除。该数据集是覆盖 116 项 GWAS 汇总统计的 Zenodo 系列上传的一部分。
【主题与分类】
主题标签：GWAS summary statistics。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.22793368
使用许可：Creative Commons Attribution 4.0 International。
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.22793368
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:
数据集大小约 41.86 GB。
数据说明
该数据集包含6项公开研究的协调后GWAS汇总统计量，涵盖一个性状类别：癌症（乳腺癌和前列腺癌）。文件使用Harmonia v1.5.0（https://github.com/CirculatoryHealth/Harmonia；DOI: 10.5281/zenodo.21420283）处理，该工具可协调GWAS汇总统计量并生成COJO和LD-score回归格式的输出。每个单研究归档文件（.tar.gz）均包含GRCh38/hg38（主要）和GRCh37/hg19（b37，通过liftover转换）两种构建版本的输出。清单文件（manifest_upload05.tsv）列出了所有纳入研究及其性状名称、 ancestry、构建版本、样本量、PMID、COJO变异数和LDSC变异数。仅纳入具有宽松公共再分发许可的研究；受数据使用协议约束或访问受限的研究被排除。该数据集是Zenodo上一系列上传内容的一部分，该系列涵盖使用Harmonia处理的116项GWAS汇总统计量。随附的软件论文为：van der Laan SW等，Harmonia：一套用于将GWAS汇总统计量协调至标准化格式的工具套件。F1000Research（2026）。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
