芬兰健康登记数据库（FinnGen）
FinnGen是结合基因组数据与全国健康登记信息的大型生物医学数据库，覆盖数十万参与者，用于遗传流行病学研究及包括罕见自身免疫疾病在内的多种疾病机制分析。
基本信息
资源简介
芬兰健康登记数据库（FinnGen）
【一句话概览】
FinnGen 数据冻结 13（DF13）结果已于 2026 年 6 月发布。DF13 纳入更新的健康登记数据，使许多疾病终点的病例数增加；受试者数保持不变，仍为 500186 人，但纵向随访扩展为遗传发现和下游分析提供了更强的统计效力。结果可通过网页浏览器浏览，汇总统计数据可从 Google 云存储免费下载（来源 finngen.fi）。
【数据集背景】
本数据集源站标题为《Access results》。
【数据内容】
源站原始描述：FinnGen Data Freeze 13 results were released in June 2026. DF13 incorporates updated health register data, increasing the number of cases across many disease endpoints. While the number of participants remains unchanged, this expanded longitudinal follow-up provides greater statistical power for genetic discovery and downstream analyses. The results can be browsed with the web browser and summary statistics data can be downloaded from Google cloud storage free of charge. Please follow the instru…
中文译文（机器翻译，仅供快速理解，请以原文为准）：FinnGen Data Freeze 13结果已于2026年6月发布。DF13整合了更新的健康登记数据，增加了许多疾病终点的病例数量。虽然参与者人数保持不变，但扩展的纵向随访为遗传发现和下游分析提供了更强的统计效力。结果可通过网页浏览器浏览，汇总统计数据可从Google云存储免费下载。请按照以下说明访问结果。
【主题与分类】
主题标签：FinnGen、GWAS、summary statistics、biobank、genomics、multiome、eQTL、caQTL、fine-mapping、meta-analysis。
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://www.finngen.fi/en/access_results
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.finngen.fi/en/access_results
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
FinnGen结合芬兰全国健康登记数据与基因组信息，涵盖数十万参与者的电子病历与遗传数据，用于疾病遗传机制与人群健康研究。
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。
