NCI华氏巨球蛋白血症全基因组关联研究数据集
NCI dbGaP研究，包含华氏巨球蛋白血症病例的全基因组基因分型数据，用于遗传易感性和病例对照关联分析。由National Cancer Institute提供，数据格式为表格，包含4019条数据记录，适用于分类任务。
基本信息
资源简介
NCI华氏巨球蛋白血症全基因组关联研究数据集
【一句话概览】
该研究为一项全基因组关联发现研究，对221例华氏巨球蛋白血症（WM）病例在Illumina Omni Express 12v1.1平台上进行基因分型，并与3798例既往已分型对照的基因型共同分析，模型纳入性别、年龄及祖先主成分（即显著特征向量）。直接分型数据通过单倍型参考联盟进行填补补充。受试者数为217。研究标签涉及华氏巨球蛋白血症、淋巴浆细胞样淋巴瘤、全基因组关联研究、病例对照、全基因组基因分型及Illumina HumanOmniExpress（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Waldenstrom Macroglobulinemia Genome-Wide Association Study》。
【数据内容】
源站原始描述：A discovery GWAS is performed, consisting of genotyping 221 Waldenstrom macroglobulinemia (WM) cases on the Illumina Omni Express 12v1.1 platform and analyzing the genotypes together with those of 3798 previously genotyped controls in a model taking into account gender, age, and principal components of ancestry (i.e., significant eigenvectors). Directly genotyped data are supplemented by imputation using the Haplotype Reference Consortium
中文译文（机器翻译，仅供快速理解，请以原文为准）：进行了一项发现性全基因组关联研究（GWAS），包括在Illumina Omni Express 12v1.1平台上对221例华氏巨球蛋白血症（WM）病例进行基因分型，并将这些基因型与先前已基因分型的3798例对照者的基因型一起，在考虑了性别、年龄和祖先主成分（即显著特征向量）的模型中进行联合分析。直接基因分型数据通过使用Haplotype Reference Consortium进行插补得以补充。
【主题与分类】
主题标签：Waldenstrom Macroglobulinemia、Lymphoplasmacytoid Lymphoma、Genome-Wide Association Study、Case-Control、Whole Genome Genotyping、Illumina HumanOmniExpress。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs001284.v1.p1
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://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs001284.v1.p1
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
NCI dbGaP研究，包含华氏巨球蛋白血症病例的全基因组基因分型数据，用于遗传易感性和病例对照关联分析。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
