疾病相关基因数据集
该数据集包含十三种疾病的相关基因，分别是阿尔茨海默病、帕金森病、重度抑郁症、自闭症谱系障碍、精神分裂症、肥胖症、心房颤动、II型糖尿病、黑色素瘤皮肤癌、肺癌、前列腺癌、结肠癌和乳腺癌
基本信息
资源简介
疾病相关基因数据集
Disease associated genes 数据集由 Cuixiang Lin 发布，机构为 Zenodo，发布时间为 2021 年。该数据集收录了十三种疾病的相关基因，涵盖神经退行性疾病、精神疾病、代谢性疾病以及多种癌症类型。具体疾病包括阿尔茨海默病、帕金森病、重度抑郁症、自闭症谱系障碍、精神分裂症、肥胖症、心房颤动、II型糖尿病、黑色素瘤皮肤癌、肺癌、前列腺癌、结肠癌和乳腺癌。数据集中的疾病基因同时来自 GWAS 和 OMIM 两个来源，旨在为疾病相关基因的检索与分析提供集中化的数据支持。该数据集在站内被归类为肿瘤 / 肺癌方向，采用 Creative Commons Attribution 4.0 International 许可协议发布。
【数据集背景】
疾病相关基因的识别是遗传学、基因组学和医学研究中的基础性工作。随着全基因组关联研究（GWAS）和在线人类孟德尔遗传数据库（OMIM）等资源的积累，研究者能够从不同层面获取与疾病发生发展相关的基因信息。然而，这些信息往往分散于不同平台，疾病覆盖范围和研究类型也各有侧重。Disease associated genes 数据集正是在这一背景下构建，将十三种疾病的相关基因汇集于一处，便于研究者进行跨疾病比较和特定疾病的基因检索。该数据集由 Cuixiang Lin 完成，发布于 Zenodo，发布时间为 2021 年。
【数据内容】
该数据集包含十三种疾病的相关基因，分别为阿尔茨海默病、帕金森病、重度抑郁症、自闭症谱系障碍、精神分裂症、肥胖症、心房颤动、II型糖尿病、黑色素瘤皮肤癌、肺癌、前列腺癌、结肠癌和乳腺癌。从疾病类型来看，既包括神经系统疾病和精神疾病，也包括代谢与心血管相关疾病，以及多种实体肿瘤。数据集中的疾病基因同时来源于 GWAS 和 OMIM，意味着其内容可能涵盖通过关联研究发现的易感基因以及符合孟德尔遗传模式的致病基因。关于每种疾病具体包含多少基因、基因标识形式、是否附带评分或证据等级等细节，源站未提供。
【采集与来源】
该数据集的疾病基因采集自 GWAS 和 OMIM 两个来源。GWAS 通常用于识别与复杂疾病或性状相关的常见遗传变异，而 OMIM 侧重于记录具有明确遗传基础的疾病与基因关系。将两者结合，有助于覆盖不同遗传架构下的疾病相关基因。数据集的来源站为 doi.org，作者为 Cuixiang Lin，机构为 Zenodo。关于采集时间范围、数据版本、更新频率以及具体的筛选标准，源站未提供。
【适用场景】
该数据集可用于疾病相关基因的查询与整理，尤其适合需要同时关注多种疾病基因的研究场景。例如，在肺癌相关研究中，可以结合该数据集中的肺癌基因条目与其他癌症或非癌症疾病的基因进行对比分析。在遗传学、流行病学和生物信息学研究中，该数据集可作为候选基因筛选的参考资源。此外，由于涵盖神经、精神、代谢和肿瘤等多类疾病，也可用于跨疾病基因共享模式的初步探索。关于该数据集是否适用于临床诊断、药物靶点验证或大规模统计建模，源站未提供明确说明。
【使用方法】
该数据集以 Zenodo 为发布平台，采用 Creative Commons Attribution 4.0 International 许可协议。使用者可通过来源站 doi.org 获取数据集。关于数据的具体文件格式、字段结构、下载方式以及是否提供 API 或配套脚本，源站未提供。使用时应遵循 CC BY 4.0 许可协议的要求，在引用时注明作者与来源。
【质量与限制】
该数据集整合了 GWAS 和 OMIM 两个来源的疾病相关基因，覆盖十三种疾病，具有一定的跨疾病广度。但关于数据质量评估、基因去重策略、证据置信度分级、假阳性控制以及版本更新机制等信息，源站未提供。此外，该数据集在站内被归类为肿瘤 / 肺癌方向，但其实际内容涵盖多种非肿瘤疾病，使用者应根据研究目的判断其适用性。关于数据是否存在人群偏倚、样本来源差异或基因注释版本不一致等问题，源站未提供。
【引用与许可】
该数据集的作者为 Cuixiang Lin，机构为 Zenodo，发布时间为 2021 年。许可协议为 Creative Commons Attribution 4.0 International，允许在署名的前提下共享、改编和商业使用。引用时应注明数据集名称、作者、发布平台和发布时间。关于推荐的引用格式、DOI 编号以及是否需要额外致谢，源站未提供。
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://doi.org/10.5281/zenodo.5553579
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 23.4 KB。
数据说明
The dataset contains disease associated genes of thirteen diseases, which are Alzheiemr’s Disease, Parkinson Disease, Major Depressive Disorder, Autism Spectrum Disorder, Schizophrenia, Obesity, Atrial Fibrillation, Type II Diabetes, Melanoma Skin Cancer, Lung Cancer, Prostate cCancer, Colon Cancer, Breast Cancer. The disease genes are collected from both GWAS and OMIM.
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。
