性别分层线性混合模型：临床二分类性状（第1/3项）

数据集获取

源站：https://datashare.ed.ac.uk/handle/10283/3915

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

性别分层GWAS有助于揭示遗传结构中的性别差异。在Bernabeu等人（2021）的研究中，我们使用DISSECT对总计530种表型拟合了性别分层线性混合模型，以评估性别对遗传效应估计的影响，并比较了男性和女性之间的估计值，以寻找与所考虑性状关联存在显著差异的遗传变异。此处包含了上述工作关于临床二分类性状的汇总统计结果（注：不包括UK Biobank癌症性状——这些可在与non-clinical binary traits相关的DataShare条目中找到）。每个文件包含单个临床二分类性状的结果，如文件名所述，使用其对应的UK Biobank性状代码。性状描述及其各自的UK Biobank代码列于“trait_description.tsv”文件中。

对于每个性状（每个.gz文件），包含了在全基因组范围内（包括常染色体和X染色体，已按MAF 10%过滤）超过400万个遗传变异、约45万个体的GWAS汇总统计量，以及比较两性间遗传效应估计值的t检验结果。

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。