用于癌症GWAS项目QBIO475的NYGC 1KG Plink文件

数据集获取

源站：https://search.dataone.org/view/sha256%3Afe209d336a621cb3cae203fc368bb5cb16da3c94b716ff7187f97c563ec3d249

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

癌症风险受遗传变异和环境的影响。然而，许多癌症相关变异在全球人群中的等位基因频率仍缺乏充分表征。为弥补这一空白，并提供一个使用真实人类基因组数据教授群体遗传学的框架，本科生研究人员分析了一组精选的癌症相关单核苷酸多态性（SNPs）在群体水平上的等位基因频率变异。我们基于已报道的与遗传性癌症（包括乳腺癌、卵巢癌、结直肠癌和肺癌）的关联，从 GWAS Catalog 数据库中汇编了一组变异。等位基因频率从 1000 Genomes Project 中提取，涵盖五个主要大陆群体。学生量化了这些群体之间等位基因频率的差异。该数据集包含整理过的 PLINK 文件，可用于人类遗传学和生物信息学领域的未来研究或教学目的。 ， ， ， # 用于 Cancer GWAS 项目 QBIO475 的 NYGC 1KG Plink 文件

数据集 DOI：10.5061/dryad.hhmgqnkq7

数据和文件结构说明

QBIO475 Cancer GWAS 项目的 Plink 数据集：
来自 1000 Genomes NYGC hg38 的双等位 SNP
已过滤为无亲缘关系个体
高度同源纯合个体也已移除
已移除可映射性差的区域
已应用严格掩码
使用超级群体标签标注

Plink 文件包括：
allPops.allChroms.snps.QCIndivsForAuto_UnrelsOnly_superPopLabel.bed、allPops.allChroms.snps.QCIndivsForAuto_UnrelsOnly_superPopLabel.bim、
allPops.allChroms.snps.QCIndivsForAuto_UnrelsOnly_superPopLabel.fam

访问信息

数据的其他公开可访问位置：

• 不适用

数据来源于以下来源：

• [https://ftp.1000genomes.ebi.ac.uk/vol1/ftp/data_…

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。