肾功能GWAS荟萃分析性别特异性与多效性效应汇总统计
该数据集为肾功能相关GWAS荟萃分析的汇总统计结果，来源于search.dataone.org，主题涉及慢性肾脏病与估算肾小球滤过率（eGFR）
基本信息
资源简介
肾功能GWAS荟萃分析性别特异性与多效性效应汇总统计
Summary statistics for \"Sex-specific and pleiotropic effects underlying kidney function identified from GWAS meta-analysis\"
该数据集为肾功能相关GWAS荟萃分析的汇总统计结果，来源于search.dataone.org，主题涉及慢性肾脏病与估算肾小球滤过率（eGFR）。研究整合了Nord-Trøndelag健康研究与Michigan Genomics Initiative的eGFR数据，并结合公开汇总统计进行荟萃分析，识别出147个与eGFR相关的位点，其中53个为新位点，同时开展性别分层分析。数据可用于肾功能遗传基础研究、CKD风险预测及遗传风险评分构建等场景（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：慢性肾脏病（CKD）是日益加重的健康负担，目前影响全球10–15%的成年人。估算肾小球滤过率（eGFR）作为肾功能标志物，常用于诊断CKD。我们分析来自Nord-Trøndelag健康研究和Michigan Genomics Initiative的eGFR数据，并结合公开汇总统计进行GWAS荟萃分析，样本量较既往荟萃分析增加一倍以上。我们识别出147个与eGFR相关的位点（53个为新位点），包括参与转录调控、肾脏发育、细胞信号传导、代谢和溶质转运的基因。此外，性别分层分析识别出一个在女性中效应比男性更显著的位点。利用基于这些eGFR荟萃分析结果构建的遗传风险评分，我们表明相关变异通常可预测CKD，但改善幅度有限。
【主题与分类】
主题标签：Chronic kidney disease、Michigan Genomics Initiative、Kidney function、CKD、The Trøndelag Health Study (HUNT)、GWAS、Quantitative trait loci、Medicine, Health and Life Sciences、eGFR。本站分类：泌尿生殖系统疾病。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A1114e75dd056a91bd910c1687d9175dffd36620e21b07bbf1f102e1f742d0081
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
慢性肾脏病（CKD）是一个日益加重的健康负担，目前影响全球10%–15%的成年人。估算肾小球滤过率（eGFR）作为肾功能的标志物，常用于诊断CKD。我们分析了来自Nord-Trøndelag健康研究和Michigan Genomics Initiative的eGFR数据，并结合公开汇总统计数据进行GWAS荟萃分析，样本量较既往荟萃分析增加了一倍以上。我们识别出147个与eGFR相关的位点（其中53个为新发现），包括参与转录调控、肾脏发育、细胞信号传导、代谢和溶质转运的基因。此外，性别分层分析识别出一个在女性中效应比男性更显著的位点。利用基于这些eGFR荟萃分析结果构建的遗传风险评分，我们表明相关变异通常可预测CKD，但与其他已知临床风险因素相比，检测改善幅度有限。总体而言，这些结果为肾功能及其向CKD进展的遗传因素提供了新的见解。
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。
