多祖先乳腺癌GWAS汇总统计（HapMap3与MEGA）

数据集获取

源站：https://search.dataone.org/view/sha256%3A1a8107bda82bb579fc2fc1cb760d32b1bbe1700e6f08d2f85453eeae3afba838

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

本数据集包含针对非洲（AFR）、东亚（EAS）、欧洲（EUR）及西班牙裔/拉丁裔人群中总体乳腺癌的全基因组关联研究（GWAS）汇总统计量，这些数据经过处理、质量控制及统一化。文件源自Li等人发表于《JNCI Cancer Spectrum》的《Genetic and Cellular Architecture of Breast Cancer Risk Across Ancestries》研究中所使用的原始研究。发布的文件是完整插补源汇总统计量的子集，仅限于分析中使用的HapMap3与多种族基因分型阵列（MEGA）变异列表，并经过了研究的预处理筛选。它们并非来自贡献研究的全部汇总统计量。EAS文件包含了BCAC东亚与日本生物样本库统计量的逆方差固定效应元分析。EUR文件通过逆方差固定效应元分析结合了BCAC iCOGs与OncoArray组件。在这些文件中，各组件的效应估计值、等位基因标签及效应等位基因频率均与相应的元分析效应等位基因对齐。

在跨祖源文件进行比较之前，仍须检查等位基因方向。AFR统计数据来源于非洲祖源乳腺癌遗传学联盟（AABCG）。西班牙裔/拉丁裔统计数据来源于元数据中引用的贡献研究。该数据集包含聚合关联汇总统计数据，而非个体水平数据。坐标遵循GRCh37/hg19。数据文件为空白分隔的文本文件。README提供了列定义、等位基因约定、有效样本量计算及来源引用。用户应引用本数据集、相关的Li等人论文，以及所用统计数据对应的原始GWAS出版物。

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。