🇬🇧UK Biobank 数据库介绍与申请

type
status
date
slug
summary
tags
category
icon
password
comment

一、什么是 UK Biobank？

UK Biobank（英国生物银行） 是全球最具影响力的人群队列研究项目之一，旨在通过长期随访、全方位采集生理与遗传数据，推动公共健康和疾病预防研究的发展。自 2006 年起，UK Biobank 共招募了约 50 万名年龄在 40–69 岁之间的英国居民，并持续追踪其健康状况。
其数据已被广泛应用于心血管、代谢、肿瘤、神经精神疾病等多个领域的研究，尤其在大规模遗传学和多组学分析中具有核心价值。
notion image

二、数据类型概览

UK Biobank 提供的多模态数据资源涵盖：
数据类型
内容简述
🧬 基因组数据
芯片 SNP（~850K 位点），WES（20 万例）、WGS（15 万例）
🧪 生化与代谢组数据
30+ 项血液与尿液指标，Nightingale 核磁代谢组
🧍 表型与生活方式
饮食、运动、心理状态、社会经济因素等问卷数据
🧠 影像数据
脑部、心脏、腹部 MRI，眼底图像，骨密度等
📄 医疗记录
住院、癌症登记、死亡信息、GP电子病历
🔬 多组学扩展
表观遗传、转录组（部分子队列）等陆续开放

三、研究优势

  • 规模空前：50 万+参与者，具有强大统计效能
  • 全景式数据：覆盖从 DNA 到疾病结局的全过程
  • 长时随访：数据具有时序性与可重复性
  • 广泛可申请：对全球科研人员开放（需符合伦理规范）
  • 高质量标准化：集中采集与统一质控，减少批次偏倚

四、如何申请 UK Biobank 数据？

UK Biobank 对全球研究人员开放使用，申请步骤如下：

📝 Step 1: 注册账号

  • 提供以下信息：
    • 最新的英文简历，验证当前职位和机构；
    • PubMed 参考号（最多 5 篇同行评审出版物，若有）；
    • 机构专用电子邮箱；
    • 若机构未在列表中，还需提供网站、历史研究证明与法律实体名称；
    • 过去 3 年内的投诉记录（如适用）；
  • 注册后，系统将在 10 个工作日内完成审核并激活账号（建议使用 Chrome 浏览器以避免兼容性问题）。

📄 Step 2: 填写在线申请

  • 提交项目说明，包括：
    • 研究目的与背景
    • 所需数据类型与理由
    • 数据分析与管理计划
    • 伦理审批情况（如有）
  • 选择合适的数据层级（费用不同）：
      • 层级
      内容
      Tier 1
      分析型数据与增强表型信息
      Tier 2
      包括脑/心脏/腹部 MRI 等影像数据
      Tier 3
      原始大数据文件（如 WGS、影像原始文件）
  • 标准费用：£1,000–£10,000（含增值税）；
      • 学生或低收入国家研究人员可申请减免，最低为 £500；
  • 添加所有将访问数据的合作者；
  • 指定授权签署 MTA（Material Transfer Agreement）的联系人（必须为非项目负责人）。

💰 Step 3: 审核与费用

  • 审核周期通常为 4–12 周；
  • 若使用高通量数据（如 WGS、MRI 原始图像），将收到具体费用说明；
  • 所有费用均以英镑结算，支持 AMS 在线支付或 BACS 银行转账；

📜 Step 4: 签署 MTA 与数据访问

  • 审核通过后，UK Biobank 将发送材料转让协议（MTA）与付款信息；
  • 使用 DocuSign 电子签署推荐；
  • 完成签署与支付后，将获得数据访问权限；
  • 数据访问通过 UK Biobank 的研究分析平台 UKB-RAP 进行；
    • 云端平台，基于 Amazon Web Services；
    • 支持 WGS、MRI 等大规模数据计算；
    • 可申请平台计算与存储信用（最高 £1,000），详情见：Credits Programme

五、参考资源与实用链接

Prev
注册与订阅 ChatGPT
Next
Typora · 安装与使用指南
Loading...
Article List
Evan の Logbook
✨ Updates
🌐 Logbook v0.1.0.9000 上线
🎨 Style Guide
Lazy loaded image Font · 字体记录手册
🧠 Creative Resources
Lazy loaded image Name · 名以载道
🗒️ Mind Notes
Lazy loaded image Quote · 字里行间
🧭 Knowbase
Lazy loaded image Biorxiv 与预印本
Lazy loaded image H-1B 签证
🕊️ 鸽派、鹰派、左派、右派
📘 SOPs
🆕 创建 Google 账号
🌍 生成境外地址
🍎 创建美区 Apple ID
🧠 注册与订阅 ChatGPT
🤖 NFC读写器操作流程
🩺 Medical Research
🇬🇧 UK Biobank 数据库介绍与申请
Lazy loaded image BioRender 使用与订阅笔记
📦 scRNAseq
📝 AUCell 流程笔记（GSE60361 小鼠脑示例）
🏢 Cohort study VS Case-control
🛠️ Tech Chronicles
☑️ Typora · 安装与使用指南
📂 LocalSend · 跨设备文件传输的神兵利器
🌏 Immersive Translate · 打造沉浸式翻译体验
🐬 WSL： 使用笔记
Lazy loaded image 自定义 Bash 提示符（PS1）
Lazy loaded image Linux 系统介绍
Lazy loaded image Linux grep 工具笔记
Lazy loaded image Linux sed 工具笔记
Lazy loaded image Linux awk 工具笔记
Lazy loaded image CSS 笔记
Lazy loaded image 文件夹前加点的意义
Lazy loaded image HTML 格式笔记
Lazy loaded image XML 格式笔记
Lazy loaded image TOML 格式笔记
Lazy loaded image PR 模板解读与最佳实践
Lazy loaded image YAML 格式笔记
Lazy loaded image JSON 格式笔记
Lazy loaded image YouTube 使用笔记
Lazy loaded image Writage 使用笔记
Lazy loaded image Pandoc 使用笔记
Lazy loaded image Chrome 使用全攻略
Lazy loaded image Vibe Coding：一种新的编程氛围？
🧭 从混乱到规范：文件命名、变量命名与版本控制最佳实践
🚀 科学上网指南：信息时代的通行证
📦 pip 与 uv：Python 包管理的演进与取舍
💰 Fortune Blueprint
📗 期权基本概念
期权交易策略
🕟 美股交易时间指南
📈 R Visionary
Lazy loaded image R 的 future 包（异步与并行）
Lazy loaded image R 中加载与使用系统字体
Lazy loaded image R 中的数据类型完整指南
Lazy loaded image R 与 RStudio 安装笔记
🔃 purrr 包学习笔记
🔁 apply 家族核心函数
📁 list.files
📊 用 readxl 读取 Excel：实践指南 + 可复用增强函数
Lazy loaded image make_date() & make_datetime()：从字段构造时间对象
📦 为什么使用 lubridate？
⏳ ISO 8601 国际时间标准
Lazy loaded image 分类变量处理 - forcats
📏 separate_wider_position()：按固定宽度横向拆分为多列
📐 separate_wider_delim()：按分隔符拆分为多列
🪓 separate_longer_position()：按固定宽度切分为多行
Lazy loaded image pmin() & pmax()：向量按元素逐位比较
🔢 parse_double() vs parse_number()
Lazy loaded image geom_tile()：构建热图 / 网格图的砖块图层
🎨 常用美学参数详解：position, fill, alpha 等
Lazy loaded image facet_wrap() 与 facet_grid() 用法解析
🌳 高亮特定数据子集：多图层叠加法
Lazy loaded image 三种 geom_smooth() 写法解析
🔻 geom_smooth() 的 shape 限制
🎨 ggplot2 颜色映射
Lazy loaded image ggplot2 的 shape 限制与解决方案
Lazy loaded image R语言字符串大小写变换
Lazy loaded image R语言数字取整与格式化。
Lazy loaded image gtsummary 回归模型
Lazy loaded image gtsummary + gt：R语言三线表实践
🔁 pivot_wider()：长表 → 宽表（long → wide）
🔢 parse_number()：提取字符串中的数字
🔁 pivot_longer()：宽转长（wide → long）
⚡ .by：轻量级分组操作的新方式
🔓 ungroup()：取消分组结构
✂️ slice() 系列函数：按位置切片提取行
🧮 group_by()：分组操作的基础
🧭 relocate()：调整列顺序
Lazy loaded image select()：灵活选择列
📲 mutate()：创建新列 + 控制列位置与保留
🔢 count()：快速计数分组频次
Lazy loaded image dplyr包的distinct()函数
🔺 ggplot2 点形状（shape）
Lazy loaded image ggthemr：为 ggplot2 一键换肤
Lazy loaded image ggthemes 常用主题
🔬 msigdbr 包
📈 CMplot 绘制曼哈顿图
Lazy loaded image SMR 共定位分析
🧬 coloc R 包实用笔记与数据格式梳理
📊 ggpubr - 让科研图表高效“出版就绪”的R扩展包
🎨 ggpubr::theme_pubr - 出版级 R ggplot2 主题美化指南
✂️ 用 patchwork 优雅组合你的 ggplot2 图表
🔤 R 正则表达式语法与字符串操作速查
📐 R基础数学与统计函数速查
📚 R包管理基础：.libPaths() 与 library()
📦 R工作空间对象管理：ls 与 rm
🔗 R集合归属与反归属运算符：%in% 与 %nin%
🕳️ R缺失值与空值处理（na.omit & evanverse::is_void）
🔎 R字符串匹配 grep 与 grepl 实用技巧
📊 R基础数据结构与分布探索技巧
↕️ R常用向量操作与排序技巧
🔍 R匹配函数 match 的实用技巧
🔗 R字符串拼接 paste/paste0 典型用法
Lazy loaded image R集合操作与典型用法
Lazy loaded image R apply函数速查与典型用法
Lazy loaded image R变量命名规范与覆盖机制
➗ R取余、整除与分批处理技巧
Lazy loaded image R设置CRAN与Bioconductor镜像速查
Lazy loaded image R版本升级与包迁移实用指南
Lazy loaded image R查询当前环境和包信息（sessionInfo）
Lazy loaded image 创建文件夹与目录管理基础
Lazy loaded image RStudio常用快捷键与界面恢复技巧
Lazy loaded image 提取字符向量子串的实用技巧
Lazy loaded image 高效读取表格与大文件：fread与自定义read_table_flex
Lazy loaded image foreach包批量循环
Lazy loaded image R基因ID转换与批量注释
Lazy loaded image R批量获取和筛选文件名
Lazy loaded image R常用序列与模拟数据生成
Lazy loaded image R数据框（df）条件筛选实用技巧
Lazy loaded image R Visionary - Introduction
📊 Statistics
Lazy loaded image Survival Analysis
Lazy loaded image 方差分析（ANOVA）
Lazy loaded image 多因素逻辑回归
Lazy loaded image 单因素逻辑回归
Lazy loaded image R语言中的常见统计分布及其应用
Lazy loaded image 数据分析的可复现性：原则与实践
📂 p值操纵与文件抽屉
Lazy loaded image 如何规范报告统计结果？
Lazy loaded image 相关性检验
Lazy loaded image 多重检验（Multiple Testing）
Lazy loaded image t 检验（t-test）
Lazy loaded image 置信区间 (Confidence Intervals)
Lazy loaded image 卡方检验（Chi-squared Test）
Lazy loaded image 统计功效（Power）与样本量（Sample Size）
Lazy loaded image 假设检验 & p值
Lazy loaded image 频率表、比例表与列联表
🏫 统计建模的三大学派：频率学派、贝叶斯学派与机器学
Lazy loaded image t-test: Principles and Application in R
🖼️ BioVis
🎄 Forestplot in R