基于血液和脑组织的吸烟EWAS数据集

数据集获取

源站：https://datashare.ed.ac.uk/handle/10283/8943

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

DNA甲基化为评估吸烟影响提供了一种客观方法。在本研究中，我们对吸烟包年数进行了贝叶斯EWAS（n=17,865，约850k个位点，Illumina EPIC芯片），并通过分析来自Generation Scotland的吸烟者和非吸烟者的全基因组数据（n=46，通过TWIST和Oxford Nanopore测序获得约4–21百万个位点）对其进行了扩展。我们开发了mCigarette，一种吸烟的表观遗传生物标志物，并在三个英国队列中进行了测试。基于脑和血液的EWAS结果（n_脑=14，n_血液=882，>450k个位点，Illumina芯片）揭示了若干位点几乎能完美区分吸烟状态，但这些位点在不同组织间并不重叠。此外，我们对表观遗传吸烟（GrimAge DNAm）进行了GWAS，识别出若干与吸烟相关的位点。总体而言，通过整合来自多个组织和队列的DNA甲基化数据，我们提高了吸烟相关生物标志物的准确性，并加深了对吸烟影响的理解。上传的文件包括来自EWAS和GWAS的汇总统计量。

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。