COPDGene基因型与表型数据库（dbGaP）
COPDGene dbGaP版本提供大规模COPD与肺气肿患者基因型与表型数据，支持遗传流行病学研究、风险因素分析及疾病机制探索。
基本信息
资源简介
COPDGene基因型与表型数据库（dbGaP）
【一句话概览】
慢性阻塞性肺疾病是美国第四大死因，也是唯一发病率持续上升的主要死因。COPDGene项目将建立种族多样化的队列，用于COPD全基因组关联分析，计划招募10000名受试者，包括对照吸烟者、明确的COPD病例（GOLD 2至4期）以及不属于上述两组的受试者（GOLD 1期或未分类）。该队列将用于横断面分析，长期纵向随访为未来目标。研究重点是通过全基因组关联分析识别决定COPD及COPD相关表型易感性的遗传风险因素，并对病例和对照进行详细表型分析，包括胸部CT评估肺气肿和气道疾病（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Genetic Epidemiology of COPD (COPDGene)》。
【数据内容】
源站原始描述：Chronic obstructive pulmonary disease (COPD) is the fourth leading cause of death in the United States and the only leading cause of death that is steadily increasing in frequency. This project will establish a racially diverse cohort that is sufficiently large and appropriately designed for genome-wide association analysis of COPD. A total of 10,000 subjects will be recruited, including control smokers, definite COPD cases (GOLD Stage 2 to 4), and subjects not included in either group (GOLD 1 o…
中文译文（机器翻译，仅供快速理解，请以原文为准）：慢性阻塞性肺疾病（COPD）是美国第四大死因，也是唯一一个频率持续上升的主要死因。本项目将建立一个种族多样化的队列，其规模足够大且设计适宜，可用于COPD的全基因组关联分析。计划招募总计10,000名受试者，包括对照吸烟者、明确的COPD病例（GOLD 2至4期）以及不属于上述两组的受试者（GOLD 1期或GOLD未分类）。该队列将用于横断面分析，但长期纵向随访是未来的目标。本研究的主要重点是全基因组关联分析，以识别决定COPD及COPD相关表型易感性的遗传风险因素。对病例和对照进行详细的表型分析，包括通过胸部CT扫描评估肺气肿和气道疾病，将有助于识别COPD综合征异质性组分的遗传决定因素。
【主题与分类】
主题标签：COPD、Emphysema、Pulmonary Disease, Chronic Obstructive、Genome-Wide Association Study、Case-Control、Chest CT、Genetic Epidemiology。
【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=phs000179
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=phs000179
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
COPDGene dbGaP数据集提供慢性阻塞性肺疾病及肺气肿相关的基因型数据、表型数据及部分临床信息，用于遗传学与疾病机制研究。
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。
