Genetic Insights into Head-to-Body Ratios Via Deep Learning-Based Image Segmentation and Implications for Common Diseases

Description of the data and file structure By applying deep learning models to 38,202 whole-body dual-energy X-ray absorptiometry (DXA) images from the UK Biobank, we extracted 10 HBRs related to the head (length and width) and body (height, shoulder width, trunk length, hip width, and leg length). Files and variables File: 1.LHiR.stat.gz Description: GWAS summary data of head length to hip width ratio. File: 1.LHR.stat.gz Description: GWAS summary data of head length to body height ratio. File: 1.LSR.stat.gz Description: GWAS summary data of head length to shoulder width ratio. File: 1.LLeR.stat.gz Description: GWAS summary data of head length to leg length ratio. File: 1.LTR.stat.gz Description: GWAS summary data of head length to trunk length ratio. File: 1.WHiR.stat.gz Description: GWAS summary data of head width to hip width ratio. File: 1.WHR.stat.gz Description: GWAS summary data of head width to body height ratio. File: 1.WLeR.stat.gz Description: GWAS summary data of head width to leg length ratio. File: 1.WSR.stat.gz Description: GWAS summary data of head width to shoulder width ratio. File: 1.WTR.stat.gz Description: GWAS summary data of head width to trunk length ratio. Code/software GWASs were performed using BOLT-LMM. Covariates included the first 20 genetic principal components (FID 22009) provided by UKB, sex (FID 31), age (FID 21003) and "BACKGROUND". Additionally, the DXA scanner's serial number and the software version used to process images were combined into a single covariate, resulting in seven factor levels. The codes used for quality control of the DXA images and for performing deep learning-based segmentation of the head and key landmarks are available.数据集与文件结构说明 本研究针对英国生物样本库（UK Biobank）提供的38202张全身双能X线吸收测定法（dual-energy X-ray absorptiometry, DXA）图像应用深度学习模型，提取得到10项与头部（长度、宽度）及身体各部位（身高、肩宽、躯干长、髋宽、腿长）相关的头部-身体比例指标（Head-Body Ratios, 简称HBRs）。 文件与变量说明 文件：1.LHiR.stat.gz 说明：头长与髋宽比的全基因组关联分析（Genome-Wide Association Study, GWAS）汇总数据。 文件：1.LHR.stat.gz 说明：头长与身高比的全基因组关联分析（GWAS）汇总数据。 文件：1.LSR.stat.gz 说明：头长与肩宽比的全基因组关联分析（GWAS）汇总数据。 文件：1.LLeR.stat.gz 说明：头长与腿长比的全基因组关联分析（GWAS）汇总数据。 文件：1.LTR.stat.gz 说明：头长与躯干长比的全基因组关联分析（GWAS）汇总数据。 文件：1.WHiR.stat.gz 说明：头宽与髋宽比的全基因组关联分析（GWAS）汇总数据。 文件：1.WHR.stat.gz 说明：头宽与身高比的全基因组关联分析（GWAS）汇总数据。 文件：1.WLeR.stat.gz 说明：头宽与腿长比的全基因组关联分析（GWAS）汇总数据。 文件：1.WSR.stat.gz 说明：头宽与肩宽比的全基因组关联分析（GWAS）汇总数据。 文件：1.WTR.stat.gz 说明：头宽与躯干长比的全基因组关联分析（GWAS）汇总数据。 代码与软件 本研究使用BOLT-LMM开展全基因组关联分析。协变量包含英国生物样本库提供的前20个遗传主成分（字段ID：FID 22009）、性别（字段ID：FID 31）、年龄（字段ID：FID 21003）及"BACKGROUND"。此外，将DXA扫描仪序列号与图像处理所用软件版本合并为一项协变量，共得到7个因子水平。用于DXA图像质量控制以及基于深度学习的头部与关键标志点分割的代码已公开可用。