dbGaP|遗传学数据集|基因组学数据集

www.ncbi.nlm.nih.gov2024-10-26 收录

遗传学

基因组学

下载链接：

https://www.ncbi.nlm.nih.gov/gap

下载链接

链接失效反馈

资源简介：

dbGaP（Database of Genotypes and Phenotypes）是一个由美国国立卫生研究院（NIH）维护的数据库，主要用于存储和分发与基因型和表型相关的研究数据。该数据库包含了大量的遗传学和基因组学数据，支持研究人员进行复杂疾病的遗传学研究。

提供机构：

www.ncbi.nlm.nih.gov

AI搜集汇总

数据集介绍

构建方式

dbGaP（Database of Genotypes and Phenotypes）数据集的构建基于大规模的基因型和表型数据，这些数据来源于多个生物医学研究项目。其构建过程包括数据收集、标准化处理、质量控制以及数据整合。数据收集涵盖了从基因测序、临床记录到环境暴露等多维度信息。标准化处理确保了不同来源数据的一致性和可比性，而质量控制则通过严格的筛选和验证流程，确保数据的准确性和可靠性。最终，这些数据被整合到一个统一的平台上，便于研究人员进行跨项目的数据分析和挖掘。

特点

dbGaP数据集以其多维度和高复杂性著称，涵盖了基因型、表型、环境因素以及临床数据等多个层面。其特点在于数据的广泛性和深度，能够支持从基础遗传学到复杂疾病研究的多种分析需求。此外，dbGaP数据集还具有高度的可访问性，通过严格的访问控制和数据共享协议，确保数据的安全性和隐私保护。这种多层次的数据结构和严格的访问控制机制，使得dbGaP成为生物医学研究领域的重要资源。

使用方法

使用dbGaP数据集时，研究人员首先需要通过dbGaP的官方网站提交数据访问申请，经过审核后获得访问权限。在获得权限后，研究人员可以通过平台提供的工具和接口，下载和分析所需的数据。dbGaP提供了多种数据分析工具和API，支持基因型和表型数据的关联分析、统计建模以及可视化展示。此外，dbGaP还提供了详细的数据字典和使用指南，帮助研究人员理解和处理复杂的数据结构。通过这些工具和资源，研究人员可以高效地进行数据挖掘和科学研究。

背景与挑战

背景概述

dbGaP（Database of Genotypes and Phenotypes）是由美国国立卫生研究院（NIH）于2007年创建的一个综合性数据集，旨在促进基因型和表型数据的研究与共享。该数据集由NIH下属的国家人类基因组研究所（NHGRI）和国家生物技术信息中心（NCBI）共同维护。dbGaP的核心研究问题在于通过整合大规模的基因型和表型数据，推动遗传学和生物医学研究的进展，特别是在复杂疾病和个体化医疗领域。其影响力在于为全球科研人员提供了一个标准化的数据平台，促进了跨学科的合作与创新。

当前挑战

dbGaP在构建和应用过程中面临多项挑战。首先，数据隐私和安全问题是其主要挑战之一，涉及大量个人基因信息的数据集需要严格的安全措施以保护个体隐私。其次，数据整合与标准化也是一个重要挑战，不同研究项目产生的数据格式和质量差异较大，需要统一标准以确保数据的可比性和可用性。此外，数据共享的伦理和法律问题也需妥善处理，以平衡科研需求与个体权益。最后，数据分析的复杂性要求研究人员具备高水平的生物信息学技能，以从海量数据中提取有价值的信息。

发展历史

创建时间与更新

dbGaP（Database of Genotypes and Phenotypes）创建于2007年，由美国国立卫生研究院（NIH）发起，旨在整合和共享基因型和表型数据。该数据集自创建以来，持续进行更新和扩展，以适应不断增长的生物医学研究需求。

重要里程碑

dbGaP的重要里程碑之一是2013年，当时NIH发布了新的数据共享政策，要求所有涉及人类受试者的基因组数据必须提交到dbGaP进行审核和存储。这一政策极大地推动了数据集的增长和规范化。此外，2018年，dbGaP引入了新的数据访问控制机制，进一步提升了数据的安全性和隐私保护，确保符合伦理和法律要求。

当前发展情况

当前，dbGaP已成为全球最大的基因型和表型数据存储库之一，涵盖了从基础研究到临床应用的广泛领域。其数据不仅支持基因组学研究，还为精准医学的发展提供了重要资源。通过不断的技术创新和政策优化，dbGaP在促进数据共享、加速科学发现和提升公共卫生水平方面发挥了关键作用。未来，dbGaP将继续扩展其数据覆盖范围，增强数据分析工具，以应对生物医学领域日益复杂的挑战。

发展历程

dbGaP（Database of Genotypes and Phenotypes）首次由美国国立卫生研究院（NIH）发布，旨在存储和分发基因型和表型数据，以支持基因组学研究。
2007年
dbGaP开始接受来自多个研究项目的基因型和表型数据提交，标志着其作为基因组数据存储库的正式运作。
2008年
dbGaP引入了数据访问控制机制，确保数据的安全性和隐私保护，同时开始与多个国际研究机构合作，扩大其数据资源。
2010年
dbGaP的数据库规模显著扩大，涵盖了更多的基因组学研究项目，成为全球基因组学研究的重要数据资源。
2012年
dbGaP推出了新的数据分析工具和接口，提升了用户对基因型和表型数据的访问和分析能力。
2015年
dbGaP进一步优化了数据提交和访问流程，增强了数据质量和用户满意度，同时开始支持更多的基因组学研究领域。
2018年
dbGaP继续扩展其数据集，涵盖了更多的疾病和健康相关研究，成为全球基因组学研究的重要基础设施。
2020年

常用场景

经典使用场景

在基因组学领域，dbGaP（Database of Genotypes and Phenotypes）数据集被广泛用于研究基因与表型之间的关联。该数据集汇集了大量的人类基因型和表型数据，为研究人员提供了丰富的资源，以探索遗传变异与疾病、生理特征之间的关系。通过分析dbGaP中的数据，研究者能够识别潜在的致病基因，并为个性化医疗提供科学依据。

衍生相关工作

dbGaP数据集的发布和应用催生了一系列相关的经典工作。例如，基于dbGaP数据的研究揭示了多种复杂疾病的遗传机制，推动了基因组学领域的快速发展。此外，dbGaP还促进了跨学科的合作，如基因组学与流行病学的结合，为公共卫生研究提供了新的视角。在技术层面，dbGaP的数据分析方法也被广泛应用于其他基因组数据库，推动了基因组数据的标准化和共享。

数据集最近研究

相关研究论文

1
The database of Genotypes and Phenotypes: from genotype to phenotype for any organismNational Center for Biotechnology Information · 2013年
2
dbGaP: exploring the genetic determinants of human health and diseaseNational Center for Biotechnology Information · 2018年
3
The database of Genotypes and Phenotypes: facilitating research and understanding of the genetic basis of health and diseaseNational Center for Biotechnology Information · 2019年
4
dbGaP: a resource for exploring the genetic determinants of human health and diseaseNational Center for Biotechnology Information · 2020年
5
The database of Genotypes and Phenotypes: a comprehensive resource for genetic and genomic researchNational Center for Biotechnology Information · 2021年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4098个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

WideIRSTD Dataset

WideIRSTD数据集包含七个公开数据集：SIRST-V2、IRSTD-1K、IRDST、NUDT-SIRST、NUDT-SIRST-Sea、NUDT-MIRSDT、Anti-UAV，以及由国防科技大学团队开发的数据集，包括模拟陆基和太空基数据，以及真实手动标注的太空基数据。数据集包含具有各种目标形状（如点目标、斑点目标、扩展目标）、波长（如近红外、短波红外和热红外）、图像分辨率（如256、512、1024、3200等）的图像，以及不同的成像系统（如陆基、空基和太空基成像系统）。

github 收录

中国近海台风路径集合数据集(1945-2024)

1945-2024年度，中国近海台风路径数据集，包含每个台风的真实路径信息、台风强度、气压、中心风速、移动速度、移动方向。数据源为获取温州台风网(http://www.wztf121.com/)的真实观测路径数据，经过处理整合后形成文件，如使用csv文件需使用文本编辑器打开浏览，否则会出现乱码，如要使用excel查看数据，请使用xlsx的格式。

国家海洋科学数据中心收录

AIS数据集

该研究使用了多个公开的AIS数据集，这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶，并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息，总计约6.4亿条记录。

github 收录

中国1km分辨率逐月平均气温数据集（1901-2024）

该数据为中国逐月平均温度数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2024.12。数据格式为NETCDF，即.nc格式。数据单位为0.1 ℃。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

TCGA (The Cancer Genome Atlas)

TCGA数据集包含了多种癌症类型的基因组、转录组和表观遗传学数据，旨在通过大规模的基因组分析来理解癌症的发生和发展机制。

portal.gdc.cancer.gov 收录