通过Verifomics移动应用对基因-环境交互作用的干预性测试

数据集获取

源站：https://clinicaltrials.gov/study/NCT02758990

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：肥胖、鼻炎、过敏性鼻炎、呼吸音、呼吸困难、头痛、偏头痛、关节炎。该研究由多项干预措施组成，持续时间介于2至6个月，旨在基于从直接面向消费者的基因分型服务提供商（AncestryDNA和23andMe）获得的遗传信息，评估一系列关于特定环境因素如何影响特定健康结果的预测。关注的物质包括食品、营养补充剂和非侵入性医疗设备。每项干预措施至少招募500名受试者，仅那些在所有关注位点考虑下被预测将从干预中获益的受试者会被分配至干预组。预测基于数百至数千个高次要等位基因频率单核苷酸多态性的关注位点，关于反应的预测源自所有考虑位点的聚合基因型。因此，每个关注位点都将内置一个阴性对照组，该组由尽管在该位点基因型并不预示获益但仍加入干预的个体组成。

每个关注位点对受试者反应做出正确预测的比率将与随机选取的位点进行比较，以量化安慰剂效应并为预测建立质量指标。入组和参与均远程进行。参与者将通过移动端或网页浏览器应用程序上传来自直接面向消费者提供商的遗传信息，知情同意和纳入/排除标准均远程完成。在知情同意流程之后，参与者被问及他们有兴趣研究的目标表型（体重、偏头痛、失眠等），其遗传信息被评估，并允许他们根据自身遗传学选择他们有资格参与且愿意参与的干预措施。随后，参与者回答一系列问题，以建立相关因素的基线数据，并评估纳入和排除标准。

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。