CGG短串联重复基因型预测数据集
该数据集来自 search.dataone.org，聚焦 CGG 短串联重复（STR）基因型预测，属于神经系统疾病相关数据
基本信息
资源简介
CGG短串联重复基因型预测数据集
CGG short tandem repeat genotype predictions
该数据集来自 search.dataone.org，聚焦 CGG 短串联重复（STR）基因型预测，属于神经系统疾病相关数据。源站描述显示，研究对孤独症谱系障碍（ASD）家系队列中的 6,063 个 CGG STR 位点进行基因分型，分析重复长度在单代内的偏差率、长度与变异程度的关系、是否符合孟德尔分离规律，并通过逻辑回归识别出 19 个在 ASD 患病子代中扩张速率和程度显著更高的基因。数据可用于研究 CGG STR 的遗传模式及其与孤独症遗传学的关联（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：随着 CGG 短串联重复（STR）的扩增被确立为许多神经发育障碍的遗传病因，我们旨在阐明 CGG STR 在孤独症谱系障碍（ASD）中的遗传模式和作用。通过对一个大型的、以 ASD 患病先证者为对象的三人组和四人组队列中的 6,063 个 CGG STR 位点进行基因分型，我们确定了单代内 CGG 重复长度偏差的空前速率。虽然重复长度与偏差率相关的概念得到巩固，但我们展示了较短的 STR 如何显示出更大程度的长度变异。我们观察到 CGG STR 不按孟德尔原则分离，存在对较长重复的偏倚，且这种偏倚似乎随着重复长度增加而放大。通过逻辑回归，我们识别出 19 个在 ASD 患病先证者中显示出显著更高 CGG STR 扩张速率和程度的基因。
【主题与分类】
主题标签：short tandem repeat (STR)、Bioinfomatics、autism genetics。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A9bc3975ef81294fe0b5faaa8c8cd772524c3827de2234976d0abce36f16d1d28
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
随着CGG短串联重复序列（STR）的扩增被确认为许多神经发育障碍的遗传病因，我们旨在阐明CGG STR在孤独症谱系障碍（ASD）中的遗传模式和作用。通过对一个大型队列（包含以ASD患者为先证者的三联体和四联体）中的6,063个CGG STR位点进行基因分型，我们确定了单代内CGG重复长度偏差的前所未有的发生率。虽然重复长度与偏差率相关的概念得到了巩固，但我们证明了较短的STR显示出更大程度的长度变异。我们观察到CGG STR不遵循孟德尔分离规律，存在对较长重复的偏倚，且这种偏倚似乎随着重复长度的增加而放大。通过逻辑回归，我们识别出19个基因在ASD受累先证者中显示出显著更高的CGG STR扩增发生率和程度（p < 1 x 10-5）。这项研究不仅突出了可能在AS…中发挥作用的新重复扩增
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。
