甲氨蝶呤清除率 GWAS
该数据集来自 omicsdi.org，聚焦儿童急性淋巴细胞白血病（ALL）患者甲氨蝶呤清除率的全基因组关联研究。源站描述显示，研究基于 Children Oncology Group 9904 和 9905 试验中 1279 例接受高剂量甲氨蝶呤治疗的 ALL 患者，估算血浆清除率并开展全基因组分析
基本信息
资源简介
甲氨蝶呤清除率 GWAS
该数据集来自 omicsdi.org，聚焦儿童急性淋巴细胞白血病（ALL）患者甲氨蝶呤清除率的全基因组关联研究。源站描述显示，研究基于 Children Oncology Group 9904 和 9905 试验中 1279 例接受高剂量甲氨蝶呤治疗的 ALL 患者，估算血浆清除率并开展全基因组分析，发现 SLCO1B1 基因多态性与清除率显著关联，并复现了 St. Jude 方案下的相关结果。数据可用于药物基因组学关联分析、清除率影响因素探索及跨方案结果验证（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：我们估算了1279例急性淋巴细胞白血病（ALL）患者的甲氨蝶呤血浆清除率，这些患者接受了Children Oncology Group 9904和9905试验的治疗（ 和 g/m2剂量24小时输注或2 g/m2剂量4小时输注。年龄较大儿童（p=7 x 10-7）、女性（p=2.7 x 10-4）以及接受延迟强化阶段的患者（p=0.0022）甲氨蝶呤清除率较低。在全基因组分析中，甲氨蝶呤清除率与SLCO1B1基因的多态性相关（p=2.1 x 10-11），该基因编码一种有机阴离子转运体。这复现了在St. Jude方案治疗的ALL患者中使用不同高剂量甲氨蝶呤方案的研究结果。一项联合荟萃分析得出甲氨蝶呤关联的p值为5.7 x 10-19。
【主题与分类】
主题标签：Genomic。本站分类：肿瘤/白血病。
【获取与许可】
源站页面：https://omicsdi.org/dataset/dbgap/phs000637
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://omicsdi.org/dataset/dbgap/phs000637
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:
数据说明
我们估算了1279名急性淋巴细胞白血病（ALL）患者中甲氨蝶呤的血浆清除率，这些患者接受了儿童肿瘤学组9904和9905试验（http://clinicaltrials.gov/show/NCT00005585 和 http://clinicaltrials.gov/show/NCT00005596）的治疗。患者接受的是1 g/m²剂量24小时输注或2 g/m²剂量4小时输注。年龄较大的儿童（p=7 x 10^-7）、女性（p=2.7 x 10^-4）以及接受延迟强化阶段的患者（p=0.0022）甲氨蝶呤清除率较低。在全基因组分析中，甲氨蝶呤清除率与SLCO1B1基因的多态性相关（p=2.1 x 10^-11），该基因编码一种有机阴离子转运体。这重复了在圣犹达方案治疗的ALL患者中使用不同大剂量甲氨蝶呤给药方案的研究发现。一项合并荟萃分析得出甲氨蝶呤清除率与SLCO1B1 SNP rs4149056相关性的p值为5.7 x 10^-19（Trevino等，PMID 19901119 和 Ramsey等，PMID 23233662）。该数据集包括甲氨蝶呤清除率这一因变量以及芯片上可获得的全部SNP数据。
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。
