美国白尾鹿慢性消耗病精准基因组预测数据集
该数据集来自 search.dataone.org，聚焦美国白尾鹿的慢性消耗病（CWD）。基于定制 Affymetrix Axiom SNP 阵列，对 807 只地理来源多样的养殖白尾鹿（284 例 CWD 阳性、523 例未检出）进行全基因组关联分析，使用 123,987 个质控后 SNP，确认
基本信息
资源简介
美国白尾鹿慢性消耗病精准基因组预测数据集
Accurate genomic predictions for chronic wasting disease in U.S. white-tailed deer
该数据集来自 search.dataone.org，聚焦美国白尾鹿的慢性消耗病（CWD）。基于定制 Affymetrix Axiom SNP 阵列，对 807 只地理来源多样的养殖白尾鹿（284 例 CWD 阳性、523 例未检出）进行全基因组关联分析，使用 123,987 个质控后 SNP，确认 PRNP 基因 G96S 为大效应风险位点，并发现 PRNP 以外位点参与。数据可用于 CWD 易感性与疾病进展的基因组预测及遗传机制研究（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）：慢性消耗病（CWD）在美国白尾鹿（Odocoileus virginianus）中的地理扩张在很大程度上未因最佳管理实践、诊断监测和阳性畜群扑杀而减缓。使用定制的 Affymetrix Axiom® 单核苷酸多态性（SNP）阵列，我们证明对 CWD 的差异易感性和疾病进展的自然变异均具有中等至高度遗传力（在养殖美国白尾鹿中），并且涉及 PRNP 以外的位点。对 807 只地理来源多样的养殖美国白尾鹿（n = 284 CWD 阳性；n = 523 CWD 未检出）使用 123,987 个质控过滤 SNP 进行全基因组关联分析，确认朊病毒基因（PRNP；G96S）为大效应风险位点（P 值 < 6.3E-11），这由估计的表型方差解释比例（PVE ≥ 0.05）所证明，但
【主题与分类】
主题标签：genome-wide association、Genomic prediction。本站分类：神经系统疾病/朊病毒病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Acafec0ea1ea50197e07f6b4da5c9a5fd6d1f41b4c537ac8a7c856efaa3a4f010
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
美国白尾鹿（Odocoileus virginianus）中慢性消耗性疾病（CWD）的地理扩散在很大程度上未因最佳管理实践、诊断监测和阳性畜群扑杀而减缓。使用定制的Affymetrix Axiom®单核苷酸多态性（SNP）芯片，我们证明，对CWD的差异性易感性以及疾病进展的自然变异均具有中度至高度遗传力（在美国养殖白尾鹿中），并且涉及PRNP以外的位点。对地理来源多样的807只美国养殖白尾鹿队列（n = 284只CWD阳性；n = 523只CWD未检出）使用123,987个质量过滤SNP进行的全基因组关联分析，证实朊蛋白基因（PRNP；G96S）是一个大效应风险位点（P值 < 6.3E-11），其证据是估计的表型方差解释比例（PVE ≥ 0.05），但也表明更多的表型方差总体上由PRNP以外的位点解释。G…
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。
