整合常见与罕见变异提升多人群多基因风险预测的数据
该数据集来自 search.dataone.org，属于呼吸道疾病/哮喘分类，包含支持“整合常见与罕见变异提升多人群多基因风险预测”研究的衍生可共享输出
基本信息
资源简介
整合常见与罕见变异提升多人群多基因风险预测的数据
Data for Integrating Common and Rare Variants Improves Polygenic Risk Prediction Across Diverse Populations
该数据集来自 search.dataone.org，属于呼吸道疾病/哮喘分类，包含支持“整合常见与罕见变异提升多人群多基因风险预测”研究的衍生可共享输出。内容涵盖常见变异 GWAS 汇总统计、常见变异 PRS 权重文件（RICE-CV 最终得分）、罕见变异 PRS 系数表（基因/变异集层面的 RICE-RV 权重）、用于基因/区域发现和诊断图的罕见变异关联检验（RVAT）汇总统计，以及 Figure R2 的源数据。文件按队列/来源（UK Biobank WGS、UK Biobank 插补基因型、All of Us）和性状组织，均为制表符分隔的 gzip 压缩文本文件，不含个体级基因型或表型数据（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：本存储库包含支持手稿“Integrating Common and Rare Variants Improves Polygenic Risk Prediction Across Diverse Populations”中分析的衍生、可共享输出。该存储库包括（1）常见变异的 GWAS 汇总统计，（2）常见变异 PRS 权重文件（RICE-CV 最终得分），（3）罕见变异 PRS 系数表（基因/变异集层面的 RICE-RV 权重），（4）用于基因/区域层面发现和诊断图的罕见变异关联检验（RVAT）汇总统计，以及（5）Figure R2 的源数据。所有文件均以制表符分隔的 gzip 压缩文本文件（.tsv.gz）提供，并按队列/来源（UK Biobank WGS、UK Biobank 插补基因型、All of Us）和性状组织。不包含个体级基因型或表型数据；底层参与者级数据集仅可通过各自
【主题与分类】
主题标签：Medicine, Health and Life Sciences。本站分类：呼吸道疾病/哮喘。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Ae0df0f5a750778e94fb97d1b1c482254f9f167850cfee96b2c6a8a974404496a
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
本数据存储包含支持手稿《整合常见与罕见变异可提升跨多样人群的多基因风险预测》中分析的可共享衍生结果。该资源库包括：(1) 常见变异的GWAS汇总统计量，(2) 常见变异PRS权重文件（RICE-CV最终评分），(3) 罕见变异PRS系数表（基因/变异集水平的RICE-RV权重），(4) 用于基因/区域水平发现和诊断图的罕见变异关联测试（RVAT）汇总统计量，以及(5) 图R2的源数据。所有文件均以制表符分隔的gzip压缩文本文件（.tsv.gz）形式提供，并按队列/来源（UK Biobank WGS、UK Biobank插补基因型、All of Us）和性状进行组织。不包含个体水平的基因型或表型数据；底层参与者水平数据集仅可通过各自受控访问平台获取。每个文件集均包含一个manifest.tsv，记录文件来源（输入）、输出文件名、记录数及关键格式参数。
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。
