年龄相关性黄斑变性遗传研究
本数据集来自 clinicaltrials.gov,聚焦年龄相关性黄斑变性(AMD)的遗传研究。AMD 是 50 岁以上人群最常见的致盲原因,遗传与环境因素均可能参与发病,但尚无常见基因突变被确认

基本信息
资源简介
年龄相关性黄斑变性遗传研究
本数据集来自 clinicaltrials.gov,聚焦年龄相关性黄斑变性(AMD)的遗传研究。AMD 是 50 岁以上人群最常见的致盲原因,遗传与环境因素均可能参与发病,但尚无常见基因突变被确认。该试点研究拟评估与创伤修复、细胞损伤和细胞死亡相关基因的表达模式,并计划从非眼部组织取材,比较 AMD 患者与非 AMD 患者的基因表达。研究将获取 62 例患者的皮肤成纤维细胞和循环单核细胞,其中 14 例无 AMD,14 例至少有一个大于 125 微米的大玻璃膜疣并伴地图状萎缩(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:年龄相关性黄斑变性。年龄相关性黄斑变性(AMD)是 50 岁以上患者中最常见的致盲原因。虽然遗传和环境因素似乎都在该病发病机制中起作用,但尚未发现常见的基因突变。这项试点研究旨在检验评估可能与 AMD 发病机制有关的基因表达模式的可行性。感兴趣的基因参与创伤修复、细胞损伤和细胞死亡过程。我们希望获取这些基因在非眼部部位组织中的表达,研究对象包括 AMD 患者和非 AMD 患者。将获取 62 例患者的皮肤成纤维细胞活检样本和循环单核细胞;其中 14 例无 AMD,14 例至少有一个大(大于 125 微米)玻璃膜疣,伴地图状萎缩,
【主题与分类】
主题标签:Age-Related Macular Degeneration。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT00357578
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://clinicaltrials.gov/study/NCT00357578
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
疾病:年龄相关性黄斑变性。年龄相关性黄斑变性(AMD)是50岁以上患者中最常见的致盲原因。尽管遗传和环境因素似乎都在该病的发病机制中起作用,但尚未发现常见的基因突变。本初步研究旨在测试评估可能与AMD发病机制相关的基因表达模式的可行性。感兴趣的基因涉及伤口修复、细胞损伤和细胞死亡过程。我们希望在非眼部部位采集的组织中,评估AMD患者和非AMD患者这些基因的表达情况。将获取62名患者的皮肤成纤维细胞活检样本和循环单核细胞;其中14名无AMD,14名至少有一个大的(大于125微米)玻璃膜疣、伴有地图样萎缩和/或来自AMD的脉络膜新生血管,10名仅有地图样萎缩,以及20名有脉络膜新生血管和/或盘状瘢痕。
这些组织的基因表达模式将通过多种技术进行检测,包括聚合酶链反应、Northern印迹分析、差异显示和微阵列技术。随后,将AMD患者的基因表达模式与年龄相匹配的对照组受试者进行比较。主要结果是确定从AMD患者获取皮肤和单核细胞样本、从这些样本中提取RNA以及研究基因表达模式的可行性。这项研究将为研究人员提供开展潜在诊断测试后续研究所需的信息。
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。




