信息速览
INFOBOX — CPTAC-PDA 一屏速览
维度 内容 本质 NCI CPTAC 联盟胰腺导管腺癌（PDAC）蛋白基因组学队列——多平台组学+影像的疾病专属数据集 团队 NCI CPTAC（CPTAC3 项目）；临床协调 Johns Hopkins，多中心采集含 Mayo Clinic 等；联盟署名 主论文 Cao L, et al. Proteogenomic characterization of pancreatic ductal adenocarcinoma. Cell 184(19):5031-5052.e26, 2021；DOI 10.1016/j.cell.2021.08.023 样本 140 例 PDAC 肿瘤 + 67 例癌旁正常（NAT）+ 9 例正常胰管组织 分子平台 TMT11 全蛋白组 / 磷酸化蛋白组 / 完整糖蛋白组 / DIA 蛋白组 / WGS / WES / EPIC 甲基化 / RNA-seq / miRNA-seq 影像 TCIA CPTAC-PDA：放射 DICOM 110 受试者/134 检查/1,133 序列/132,852 幅（67.24GB）+ 病理 SVS 168 例（88GB），含 NCI 生成 3D 分割与 seed points 突变谱 KRAS/CDKN2A/SMAD4/TP53/MUC4 等高频驱动（PDAC 典型图谱） 关键分析 NMF 蛋白组亚型（Table S7）；neoplastic cellularity 多策略正交评估；72 蛋白早期检测候选面板 托管 PDC（蛋白组）、GDC+dbGaP phs001287（基因组/基因型）、TCIA/IDC（影像）、cBioPortal paad_cptac_2021、LinkedOmics 许可 多层异构：PDC 处理后开放/原始受控；GDC 两级；dbGaP 受控；TCIA 公开 库内互链 cptac（CPTAC 计划总条目）、cptac-imaging（CPTAC 影像总览）、cptac-stad（胃癌平行队列）
CPTAC-PDA 是一个「把胰腺癌最致命的肿瘤放进蛋白质组学显微镜」的队列工程：NCI 临床蛋白质组肿瘤分析联盟（CPTAC）对 140 例胰腺导管腺癌（PDAC）肿瘤、67 例癌旁正常与 9 例正常胰管组织，同时测量了从基因组、表观基因组、转录组到蛋白组、磷酸化与糖蛋白组的全部主流分子层，并把标准化诊疗中产生的放射 CT 与病理全切片一并归档到 TCIA。它回答的核心问题是：在基因组图景几乎千篇一律（KRAS/CDKN2A/SMAD4/TP53 四骑士）的胰腺癌里，蛋白质组与磷酸化层还藏着多少基因组看不到的亚型、通路激活与早期检测标志物。
导语读法三则：
- 只想拿数据：直奔 §6 获取与许可——PDC/GDC/dbGaP/TCIA 四个入口的开放与受控边界要先分清，别一上来就撞 Raw Mass Spectra 的 Proprietary 门。
- 做分子分型或标志物：直奔 §5 任务与标注 + §7 评估——NMF 亚型、72 蛋白面板与磷酸化激靶是三条最成熟的复现线。
- 做影像-组学关联：直奔 §4 硬数字与坑 3——影像 110 人与组织 140 人不是全配对，先做 case 交集再设计实验。
§0 导读：这个数据集解决什么问题
胰腺导管腺癌是实体瘤中预后最差的癌种之一，五年生存率长期徘徊在个位数，且约八成患者确诊时已失去手术机会。基因组学层面，PDAC 的图景异常「收敛」：几乎所有肿瘤都携带 KRAS 激活突变，CDKN2A、SMAD4、TP53 三个抑癌基因紧随其后——基因组测序做得再多，患者之间的差异仍然难以解释。CPTAC 联盟的判断是：胰腺癌的异质性更多藏在基因组下游——蛋白质丰度、磷酸化信号强度、糖基化修饰——这些恰恰是全基因组测序看不见的层。
CPTAC-PDA 的回答是把整个「中心法则」一次性测全。同一批 140 例肿瘤在华盛顿大学完成 WGS/WES 与 EPIC 甲基化、在多个质谱中心完成 TMT11 多路复用的全蛋白组与磷酸化蛋白组定量、再补上完整糖蛋白组与 DIA 蛋白组两个独立技术路线，最终在 Cell 2021 主论文中给出了 PDAC 迄今最完整的蛋白基因组学全景。论文的关键发现包括：基于蛋白组的 NMF 分型把 PDAC 分成具有临床差异的亚型；肿瘤细胞占比（neoplastic cellularity）需要多策略正交评估才能可靠估计；磷酸化层揭示了 KRAS 下游 PAK4/MAPK 等可药化激酶节点；一条 72 蛋白的候选面板指向早期检测。所有原始与处理后数据经 PDC、GDC、dbGaP、TCIA 四个平台系统发布，使任何团队都能在不碰患者标识的前提下复现论文全部分析。
§0 读法三则：
- 这个条目是「多组学队列 + 影像档案」二合一：分子侧经 PDC/GDC 分发，影像侧经 TCIA/IDC 分发，两者的病例集合并不完全重叠（§4、坑 3）。
- 全文统计数字均出自 Cell 主论文、PDC 各 study 页与 TCIA 集合页；蛋白组病例数 140 vs 分册 166 的口径差异已在 §15 存照。
- 检索时注意「CPTAC PDAC」「CPTAC-PDA」「PDC000270/271/272」指的是同一队列的不同侧面；与库内 cptac、cptac-imaging、cptac-stad 三个条目的分工关系见 §2.3。
§1 数据集速览：十问十答
Q1：CPTAC-PDA 的「140 例」从哪来？
CPTAC3 项目在多中心（含 Johns Hopkins、Mayo Clinic、Mount Sinai/Princess Margaret 等）前瞻性采集的胰腺癌手术切除标本，经病理审查（Hruban 团队）确认诊断后入组：140 例 PDAC 肿瘤、67 例配对癌旁正常（NAT）、9 例正常胰管组织。肿瘤部位以胰头为主（103 例，73.6%）。
Q2：分子平台覆盖哪些层？
九个平台：WGS、WES（WashU 基因组中心）、EPIC DNA 甲基化阵列、RNA-seq、miRNA-seq（转录/表观层）；TMT11 全蛋白组、磷酸化蛋白组、完整糖蛋白组（intact glycopeptide）、DIA 蛋白组（蛋白层与修饰层）。同一 aliquot 体系贯穿，跨平台配对分析是本队列最大优势。
Q3：TMT11 是什么，为什么要用它？
Tandem Mass Tag 11-plex：每批 11 个样本各带一种同位素标记，混打后同时定量。CPTAC 用它保证肿瘤-NAT 配对在同一批内共测，消除批间系统偏差——这也是为什么 PDC 上每个 study 按批次组织 aliquot。
Q4：糖蛋白组和 DIA 蛋白组是论文主分析的一部分吗？
两者是主论文之后的扩展分析分册：完整糖蛋白组（PDC000272）166 cases/250 aliquots 聚焦糖基化修饰位点定量；DIA 蛋白组（PDC000341）提供了与 TMT 数据可交叉验证的第二技术路线。它们与主分册（PDC000270/271）共享 case 体系。
Q5：影像数据有什么，标注到什么程度？
TCIA CPTAC-PDA 集合：放射 DICOM 覆盖 110 受试者/134 检查/1,133 序列/132,852 幅（67.24GB），由 NCI 生成 3D 分割与 seed points；病理侧为 168 例 H&E 全切片（SVS，88GB）。DICOM 标签 (0012,0050) 记录影像距病理诊断的天数（术前 -3 至术后 +90），检查日期经 3-10 年随机偏移以保纵向间隔（HIPAA）。
Q6：数据在哪里下载？
四个入口：蛋白组经 NCI Proteomic Data Commons（PDC）——处理后质谱开放、原始质谱受控；基因组经 GDC CPTAC-3（开放/受控两级），基因型走 dbGaP phs001287 受控申请；影像经 TCIA 与 IDC 公开下载；分析视图经 cBioPortal（paad_cptac_2021）与 LinkedOmics 直接取矩阵。
Q7：论文的核心发现是什么？
五条主线：① 蛋白组 NMF 分型揭示基因组学不可见的亚型结构；② 肿瘤细胞占比需多策略（病理+组学）正交评估；③ 磷酸化层锁定 KRAS 下游可药化激酶（PAK4/MAPK 通路）；④ 免疫冷肿瘤-内皮重塑-糖酵解的关联图景；⑤ Chromogranin A 等 72 蛋白候选早期检测面板。
Q8：没有机器学习「官方榜单」吗？
没有。CPTAC 队列以科学复现而非竞赛为设计目标；社区基准是 cBioPortal/LinkedOmics 的可下载矩阵 + Broad 的 PANOPLY 流水线在 Terra 上的参考工作流（§7）。
Q9：和库内 cptac、cptac-imaging、cptac-stad 三个条目什么关系？
cptac（rid 259）是 CPTAC 计划总条目，讲联盟与方法学；cptac-imaging（rid 527）是 CPTAC 全部 11 个 TCIA 影像队列的总览，PDA 只是其中之一；cptac-stad（rid 954）是胃癌队列的平行条目。本条目是 PDA 疾病专属的深度篇：分子平台明细、影像数字、任务设计只在本条目展开，三者互为互补不合并。
Q10：快速起步该拿哪个子集？
初学者建议路径：cBioPortal 下载 Z-score 化蛋白/磷酸化矩阵（秒级可用）→ 跑通 NMF 分型复现 → 需要原始谱图再下 PDC 处理后数据 → 需要影像配对再做 TCIA case 交集（坑 3）。
§2 背景：CPTAC 计划与本条目定位
2.1 CPTAC 是什么
CPTAC（Clinical Proteomic Tumor Analysis Consortium，临床蛋白质组肿瘤分析联盟）是美国国家癌症研究所（NCI）资助的国家级蛋白基因组学计划。其核心方法论自 CPTAC2/CPTAC3 时代确立：对同一批肿瘤样本同时测量基因组（WGS/WES）、表观基因组（甲基化）、转录组（RNA-seq）与蛋白质组（质谱定量及磷酸化等修饰组），再以整合分析回答「基因组发现如何传递到蛋白质执行层」的问题。CPTAC3 阶段对十余种肿瘤（肺鳞癌、肺腺癌、结直肠癌、卵巢癌、子宫癌、肾癌、肝癌、胶质母细胞瘤、头颈癌、胃癌 STAD、胰腺癌 PDA 等）逐一完成了这一范式，胰腺导管腺癌队列即 CPTAC3 的收官队列之一。
选择 PDAC 有明确的科学动机：其基因组图景高度同质（KRAS 约 90%+、CDKN2A/SMAD4/TP53 高频失活），纯基因组研究对预后分层与治疗靶点的边际收益递减；而蛋白质与磷酸化层正是药物靶点与信号通路活性的直接读出层。CPTAC 联盟押注：在「基因组最无聊」的癌种里，蛋白组学的增量信息反而最大。
2.2 主论文与团队
主论文于 2021 年 9 月 16 日在线发表于 Cell（Cao L, Huang C, Zhou DC, Hu Y, Lih TM, Savage SR, Krug K, … & CPTAC Consortium, Proteogenomic characterization of pancreatic ductal adenocarcinoma, Cell 184(19):5031-5052.e26；DOI 10.1016/j.cell.2021.08.023；PMID 34534465）。论文是典型的 CPTAC 大协作形态：资深作者群包括 Hui Zhang（Johns Hopkins，蛋白组与糖蛋白组）、Bing Zhang（Baylor，整合生物学）、Li Ding（WashU，基因组）、Daniel W. Chan（JHU，蛋白组学奠基）、Ralph Hruban（JHU，胰腺病理权威）、Oliver Bathe 等；计算方向由 Pei Wang（石溪）、D.R. Mani（Broad）、Nesvizhskii（密歇根）等分平台牵头。联盟署名 Clinical Proteomic Tumor Analysis Consortium 出现在作者列表尾部，数据采集横跨 JHU、Mayo Clinic、Mount Sinai/Princess Margaret（Michael Roehrl 等）多家手术中心。
2.3 与库内 cptac 系列条目的关系及本条目独立性
本库已收录三个 CPTAC 相关条目，本条目（cptac-pda）与其为分工互补关系，不是别名、不是版本、也不是合并视图：
| 条目 | rid | 定位 | 与本条目关系 |
|---|---|---|---|
| cptac | 259 | CPTAC 计划总条目：联盟史、TMT 方法论、多癌种队列总表 | 本条目为其疾病队列的深入篇；CPTAC 计划级信息（联盟治理、平台分工）以总条目为准 |
| cptac-imaging | 527 | CPTAC 全部 TCIA 影像队列总览（11 个集合的影像维索引） | PDA 是其 11 队列之一；本条目影像节的 CPTAC-PDA 数字（110/134/1,133/132,852）为疾病专属细粒度口径，以本条目为准 |
| cptac-pda | 本条目 | PDAC 疾病专属：九平台分子数据 + 影像 + 病理的任务化深度篇 | — |
| cptac-stad | 954 | 胃腺癌（STAD）队列平行条目 | 方法学同构的姊妹篇；两队列的 TMT 平台、NMF 分型方法可平行对照 |
独立性声明：若在库内检索「CPTAC PDAC」「CPTAC 胰腺」命中本条目即可停止——cptac 与 cptac-imaging 只是「指针层」， pancreatic 数据的任务级细节（分册结构、aliquot 口径、影像-组织配对边界、早期检测面板）仅在本条目展开。三个条目互链方案见 §14。
§3 论文与时间线
3.1 数据发布链
- 发现阶段（TMT11 Discovery）：全蛋白组与磷酸化蛋白组在 PDC 以 PDC000270（Proteome）、PDC000271（Phosphoproteome）两个 study 分册发布（2021 年）。
- 扩展分册：PDC000272（Intact Glycoproteome，166 cases/250 aliquots）与 PDC000341（DIA Proteome）随后发布，共享同一 case 体系。
- 主论文：Cell 2021-09-16 在线，同时附 Data and code availability 声明，指向 PDC/GDC/dbGaP/cBioPortal/LinkedOmics 全链路。
- 影像：TCIA CPTAC-PDA 集合 DOI 10.7937/k9/tcia.2018.sc20fo18，首发后持续维护，2025-02-26 更新至 V15 版本。
3.2 版本链要点
- TCIA 影像集合的版本迭代（至 2025-02 的 V15）主要是分割标注与元数据的补全；放射 DICOM 的受试者/检查数在主要版本间稳定。
- PDC 分册按「分析-批次」组织：同一队列在不同分册的 cases 数不同（见坑 6），引用时务必带 study ID。
- cBioPortal 的 paad_cptac_2021 study 对应主论文发布时的快照，含 140 例 WGS/WES 与蛋白/磷酸化/miRNA/甲基化(EPIC) 层。
§4 数据规模硬数字
4.1 样本与组织学
| 口径 | 数字 | 来源 |
|---|---|---|
| PDAC 肿瘤 | 140 例 | Cell 主论文摘要（OHSU/Broad/AGRIS 同文三源互证） |
| 癌旁正常（NAT） | 67 例 | 同上 |
| 正常胰管组织 | 9 例 | 同上 |
| 性别分布 | 男 74（52.9%）/女 66 | cBioPortal paad_cptac_2021 |
| 肿瘤部位 | 胰头 103（73.6%）/胰尾 14/胰体 14（另有 NA 37 例） | cBioPortal |
4.2 分子平台数据流
| 分册 | 平台 | 规模 |
|---|---|---|
| PDC000270 | Proteome（TMT11 全蛋白组） | 按 TMT 批次组织 aliquot |
| PDC000271 | Phosphoproteome（磷酸化蛋白组） | 同一 case 体系 |
| PDC000272 | Intact Glycoproteome（完整糖蛋白组） | 166 cases / 250 aliquots；8 个 disqualified aliquots 名单公开 |
| PDC000341 | DIA Proteome | 第二技术路线独立定量 |
| GDC CPTAC-3 | WGS/WES/EPIC 甲基化/RNA-seq/miRNA-seq | 140 例肿瘤配对 NAT |
| dbGaP phs001287 | 基因型（germline） | 受控申请 |
4.3 影像与病理（TCIA CPTAC-PDA）
| 模态 | 数字 |
|---|---|
| 放射 DICOM | 110 受试者 / 134 检查 / 1,133 序列 / 132,852 幅 / 67.24GB |
| 放射标注 | NCI 生成 3D 分割 + seed points |
| 病理 | 168 例 H&E 全切片（SVS）/ 88GB |
| 合计体量 | 约 155GB |
| 影像-诊断时序 | DICOM 标签 (0012,0050)：术前 -3 至术后 +90 天；日期随机偏移 3-10 年（HIPAA） |
4.4 突变谱与临床基线
cBioPortal 显示队列携带 PDAC 典型高频驱动突变：KRAS（约九成）、CDKN2A、SMAD4、TP53、MUC4 等，与基因组文献共识一致；蛋白/磷酸化层以 Z-score 化丰度矩阵形式可直接下载。临床字段因去标识化不全（Race NA 107/140），人种分层分析受限。
§5 任务与标注
5.1 组学任务设计
- 全蛋白组定量：TMT11 多路复用，肿瘤-NAT 配对同批共测；JD 062 等参考通道用于跨批桥接（CPTAC 标准做法）。
- 磷酸化蛋白组：富集（TiO2/IMAC）后同批 TMT 定量，磷酸位点级丰度矩阵。
- 完整糖蛋白组：intact glycopeptide 层面的糖位点+糖型联合定量（PDC000272 分册）。
- DIA 蛋白组：数据非依赖采集的独立技术复测（PDC000341 分册）。
- 基因组/表观：WGS/WES 体细胞突变与拷贝数、EPIC 甲基化阵列、RNA-seq 与 miRNA-seq。
5.2 关键分析资产（可作为「标注」复用）
- NMF 蛋白组亚型：主论文 Table S7 提供每例的亚型归属，是现成的分型标签，可直接用于监督学习。
- Neoplastic cellularity：肿瘤细胞占比经多策略正交评估（病理估计+组学反推）并经病理验证，逐例数值可作连续标签。
- 影像标注：NCI 生成的 3D 分割与 seed points（放射 DICOM 内嵌），无需自建分割标签即可开展影像组学实验。
- 临床-病理字段：cBioPortal 提供生存、分期、部位等去标识化字段（缺失模式见坑 4）。
5.3 下游可做任务清单
- 分子分型预测：以 Table S7 亚型为标签，训练从 RNA/蛋白特征到亚型的分类器，或从影像组学特征预测亚型（影像-组学桥接）。
- biomarker 面板复现：复现论文 72 蛋白早期检测候选面板，或在其基础上做特征选择/最小面板压缩。
- 磷酸化激酶靶点挖掘：KRAS 下游 PAK4/MAPK 等节点的激酶活性推断（KSEA/PTM-SEA）与药物重定位候选排序。
- 影像-组学关联：CT 影像组学特征 ↔ 蛋白组亚型/通路评分（注意 110 vs 140 的配对边界，坑 3）。
- 生存分析：亚型/蛋白特征对预后的分层（cBioPortal 生存接口可直接做 KM 曲线）。
- 糖基化研究：糖型-免疫微环境（冷肿瘤表型）关联。
- DIA vs TMT 方法对比：同一队列的双技术定量一致性方法学研究素材。
- 病理 WSI 弱监督：以分子特征为弱标签训练病理基础模型（168 张 SVS，需注意样本量）。
§6 License 与获取（含版本链）
6.1 四大入口的开放边界
| 入口 | 内容 | 开放程度 | 获取方式 |
|---|---|---|---|
| PDC（Proteomic Data Commons） | 处理后质谱（Open Standard：mzML/mzIdentML 等）+ 原始质谱 | 处理后开放下载；Raw Mass Spectra 标 Proprietary（需登录/受控） | https://pdc.cancer.gov/pdc/study/PDC000272 逐分册下载 |
| GDC CPTAC-3 | WGS/WES/甲基化/RNA-seq/miRNA-seq | 两级：开放层（去标识分子数据）+ 受控层 | GDC 门户，受控层走 dbGaP authorized access |
| dbGaP phs001287 | germline 基因型 | 受控申请 | dbGaP 申请（机构 PI + IRB） |
| TCIA / IDC | 放射 DICOM + 病理 SVS | 公开下载（DOI 10.7937/k9/tcia.2018.sc20fo18） | TCIA 门户或 NBIA/NBIA-Slicer、IDC 云端（BigQuery/GCS） |
6.2 分析复用入口（免下载矩阵）
- cBioPortal：study id
paad_cptac_2021——Z-score 化蛋白/磷酸化/磷酸蛋白丰度矩阵直接下载，含临床字段与突变表。 - LinkedOmics：CPTAC-PDAC 数据集，支持跨组学关联统计的在线分析。
- PANOPLY（Broad，Terra 工作区）：CPTAC 官方多组学分析流水线，可一键复现论文级分析。
- ding-lab GitHub：基因组处理 pipeline 开源（主论文 Data and code availability 列出）。
6.3 合规与引用要点
- PDC 处理后数据以 CC0 式开放标准发布，但引用义务是下载页明示的：使用数据须引用主论文（DOI 10.1016/j.cell.2021.08.023）与对应 PDC study ID。
- dbGaP 受控数据的二次分析需在获批申请范围内，不可与其他受控队列跨申请合并基因型。
- TCIA 影像日期已随机偏移 3-10 年（保留相对间隔），做时序分析只能用 DICOM 标签 (0012,0050) 的相对天数，不能用绝对日期。
- 8 个 disqualified aliquots 的名单公开于 PDC000272 页——做 aliquot 级统计时先剔除。
6.4 版本链速查
- PDC000270/271（发现阶段主分册，2021）→ PDC000272（糖蛋白组扩展）→ PDC000341（DIA 扩展）。
- TCIA CPTAC-PDA：DOI 10.7937/k9/tcia.2018.sc20fo18，V15（2025-02-26）为当前版本。
- cBioPortal
paad_cptac_2021对应主论文快照。
§7 评估与基准
7.1 为什么没有「榜单」
CPTAC 队列以科学复现为设计目标，官方不设 ML 榜单。评估基线由两类资产承担：
- 数据基线：cBioPortal/LinkedOmics 提供可直接下载的标准化矩阵（Z-score 化），任何人复现分型/关联的结果可与主论文图表逐表对齐。
- 流水线基线：PANOPLY（Terra）提供官方参考工作流，复现成本最低。
7.2 典型复现产物（社区验证过的锚点）
| 分析 | 复现要点 | 难度 |
|---|---|---|
| NMF 蛋白组亚型 | 用 cBioPortal 蛋白矩阵 + NMF（rank k 由论文共识性图确定），对照 Table S7 标签 | 低 |
| KRAS 下游激酶活性 | 磷酸化矩阵 + KSEA/PTM-SEA，应重现 PAK4/MAPK 节点激活 | 中 |
| 72 蛋白早期检测面板 | 用肿瘤 vs NAT 差异蛋白列表做特征选择，复现论文候选面板 | 中 |
| cellularity 正交评估 | 病理估计 vs 组学反推一致性 | 高（需病理协作者） |
| 影像组学-亚型关联 | TCIA 分割 + radiomics 特征 ↔ 亚型标签 | 中（先做 case 交集） |
7.3 已知评估陷阱
- 肿瘤 vs NAT 的蛋白差异分析若不校正 TMT 批次与参考通道，会出现批间漂移伪影（CPTAC 官方 pipeline 已内建校正，自建流程务必做 ComBat 级校正）。
- 磷酸化位点级矩阵的缺失模式非随机（低丰度位点更易缺失），直接均值填补会偏置激酶活性推断。
- 影像 110 例对深度学习偏小，推荐影像组学（手工特征）而非端到端 CNN。
§8 坑点清单（Pitfall 1-8）
坑 1：PDC 原始质谱不是免费的。
Raw Mass Spectra 在 PDC 标记为 Proprietary，需要登录并走受控流程；只有处理后 Open Standard 数据（mzML 等）是即点即下。做从头重定量（reprocessing）的团队要预留申请时间。
坑 2：cases 数在分册间不一致。
论文口径 140 肿瘤，PDC000272 分册显示 166 cases/250 aliquots——分册口径含 NAT 与排除前计数。写论文引用「队列规模」时以论文口径为准，引用「某分析分册」时必须带 study ID。
坑 3：影像 110 人 ≠ 组织 140 人。
TCIA 影像只覆盖部分队列（标准诊疗扫描且有 DICOM 的病例），影像-组学配对分析必须先做 case 交集；不要假设 140 例全都有 CT。
坑 4：临床字段缺失模式系统偏向。
cBioPortal 显示 Race NA 107/140、Tumor Site NA 37 例。人群公平性研究在此队列上会撞「NA 墙」，设计前先查字段完整率。
坑 5：影像日期是偏移过的。
绝对日期被随机偏移 3-10 年（HIPAA），只有相对间隔（距病理诊断 -3 至 +90 天）可信。做纵向分析用 (0012,0050) 标签，别用绝对日期算间隔。
坑 6：dbGaP 与 GDC 是两套权限。
GDC 开放层不含可识别基因型；germline 基因型必须单独走 dbGaP phs001287。以为「GDC 下载完就有基因型」是新手高频事故。
坑 7：糖蛋白组与 DIA 是扩展分册，不是主分析重跑。
PDC000272（糖蛋白组）与 PDC000341（DIA）是独立技术路线的扩展分析，样本口径与主分册不同；把它们当「主蛋白组的重复数据」去合并会引入口径混乱。
坑 8：TMT 批次结构决定了统计设计。
肿瘤-NAT 配对在同一 TMT 批内共测是设计核心；任何跨批比较都必须经参考通道/批校正，直接池化所有样本做差异分析会得到批效应主导的假差异。
§9 DAIMS 评估表
| DAIMS 维度 | 评分 | 说明 |
|---|---|---|
| D — Data completeness（数据完备性） | ★★★★★ | 九平台全中心法则覆盖；蛋白组四个分册互为补充；影像+病理双模态归档 |
| A — Annotation quality（标注质量） | ★★★★☆ | NMF 亚型标签、cellularity 正交评估、NCI 3D 分割均经论文级验证；临床字段缺失（Race/Site NA）扣分 |
| I — Interoperability（互操作性） | ★★★★★ | PDC/GDC/dbGaP/TCIA 四平台标准化格式（mzML/BAM/DICOM/SVS）；cBioPortal/LinkedOmics 矩阵即取即用 |
| M — Machine learnability（机器可学习性） | ★★★★☆ | 标准化矩阵可直接建模；样本量 140 对深度模型偏小，适合特征工程与弱监督；TMT 批结构需纳入统计设计 |
| S — Sustainability（可持续性） | ★★★★★ | NCI 长期托管，TCIA 更新至 2025 V15；dbGaP 申请通道持续开放；PANOPLY/GitHub 工具链可复现 |
DAIMS 综合评价：CPTAC-PDA 是「国家级多组学队列」的标杆形态——完备性与互操作性接近满分，主要短板是临床字段缺失与影像-组织配对不全，均已在坑 3/坑 4 明示。对「要标准矩阵快速建模」的用户，cBioPortal 是最短路径；对「要原始谱图重定量」的用户，预留 PDC 原始数据申请时间是唯一门槛。
§10 下游实操清单（从零到第一个模型）
- 第 1 天：cBioPortal 打开
paad_cptac_2021，导出蛋白 Z-score 矩阵 + 临床表 + Table S7 亚型标签（论文补充材料获取）。 - 第 2 天：复现 NMF 亚型——对蛋白矩阵做 NMF（k=2…4 扫描），对照 Table S7 计算调整兰德指数（ARI），应显著高于随机。
- 第 3 天：生存分层——用亚型标签对 cBioPortal 生存数据画 KM 曲线，验证论文报道的预后差异方向。
- 第 4-5 天：磷酸化激酶活性——从 PDC000271 下载磷酸化矩阵，跑 KSEA，检查 PAK4/MAPK 节点是否在 KRAS 突变样本中激活。
- 第 2 周：影像配对——TCIA 下载 110 例 DICOM + 分割，对 cBioPortal case 做交集（预计可用配对少于 110），提取 radiomics 特征，做「影像特征→亚型」分类器（注意特征数与样本量比）。
- 第 3 周+：早期检测面板——肿瘤 vs NAT 差异蛋白（PDC000270，批校正后），复现/压缩 72 蛋白面板，用 ROC 评估。
- 长期：糖蛋白组挖掘——PDC000272 糖型定量 ↔ 免疫通路评分（ssGSEA），检验「糖酵解-冷肿瘤」关联。
每一步都设有「论文锚点」可对表验证；若某步结果与论文矛盾，先查 TMT 批校正（坑 8）与样本口径（坑 2）。
§11 案例解剖：三个可复现研究设计的完整走查
案例 A：蛋白组亚型的影像预测（影像-组学桥接）
研究问题：能否从术前 CT 影像组学特征预测 CPTAC-PDA 的蛋白组亚型？
数据组装：① 蛋白矩阵 + Table S7 亚型标签（cBioPortal + 论文补充材料）；② TCIA CPTAC-PDA 放射 DICOM + NCI 3D 分割；③ case 交集——两套 ID 体系（PDC case UUID vs TCIA subject ID）经 PDC 页 External References 与 TCIA collection 元数据对齐，可用配对以实际交集为准（上限 110）。
方法要点：分割掩码内提取 PyRadiomics 特征（形态+纹理，约 100 维）→ 特征数/样本量比偏高，用 L1 正则逻辑回归或梯度提升 + 5 折交叉验证；以亚型为二分类/多分类目标；报告 AUC 与按部位（胰头为主）的分层表现。
预期结果与锚点：论文报道亚型与代谢/微环境特征相关，影像上胰腺轮廓与密度异质性可能携带信号；AUC 显著高于 0.5 即为可发表的桥接证据。陷阱：胰头占 73.6%，部位与亚型若存在混杂，需把部位作为协变量。
案例 B：72 蛋白早期检测面板的复现与压缩
研究问题：论文的候选早期检测蛋白面板能否用更少蛋白达到相当区分度？
数据组装：PDC000270 全蛋白组（肿瘤 140 vs NAT 67）+ 主论文差异蛋白表。
方法要点：批校正（参考通道/ComBat）→ 肿瘤 vs NAT 差异分析（limma 级线性模型，批次为随机效应）→ 以论文 72 蛋白面板为起点，用 LASSO/递归特征消除压缩至最小面板 → ROC 曲线对比 full/压缩面板 AUC。
预期结果与锚点：应复现 Chromogranin A 等高区分度标志物进入面板；压缩面板若在损失 <2% AUC 的前提下降至 30 蛋白以内，即具转化价值。陷阱：NAT 严格说是「癌旁」而非健康对照，面板声称「早期检测」时须在讨论中明确口径（论文原文也是以 candidate 定位）。
案例 C：DIA 与 TMT 的技术一致性基准
研究问题：同一队列上 DIA（PDC000341）与 TMT（PDC000270）的蛋白定量一致性有多高？
数据组装：两分册的蛋白级丰度矩阵，按 gene/protein 映射对齐，取交集蛋白。
方法要点：Log2 变换 → Spearman 相关（全体+按亚型分层）→ 差异蛋白（肿瘤 vs NAT）在两条技术路线中的方向一致率 → 一致性热图。
预期结果与锚点：两条独立质谱路线在高丰度蛋白上应高度一致（Spearman > 0.7 量级），方向一致率是更稳健的口径；分歧蛋白集中在低丰度/膜蛋白属预期。这个案例本身就是可发表的方法学素材。
§12 常见误解澄清
- 「CPTAC-PDA 就是 cptac 条目的别名」——错。cptac（rid 259）是计划总条目，本条目是 PDAC 队列的任务级深度篇；两者是父子关系而非别名（§2.3）。
- 「140 例是配对完整队列」——部分正确。140 例肿瘤均有 WGS/WES，但 67 例 NAT 与 9 例正常导管覆盖不全；糖蛋白组分册的 166 cases 又是另一口径。任何「全配对」假设都要先对 aliquot 表。
- 「影像数据覆盖全队列」——错。110/140 受试者有放射影像，且与病理 SVS 的 168 例（按切片计）也不是同一计数单位（坑 3）。
- 「PDC 数据全免费」——处理后数据免费，原始质谱 Proprietary（坑 1）。
- 「有官方 leaderboard」——无。CPTAC 不设榜；评估基线是论文图表 + PANOPLY 流水线（§7.1）。
- 「糖蛋白组是主论文重新发布的蛋白组」——错。糖蛋白组（intact glycopeptide）测的是糖位点+糖型，是修饰组维度的独立分册（坑 7）。
- 「dbGaP 数据在 GDC 一起下」——错，两套权限体系（坑 6）。
- 「影像日期可以当真实日期用」——错，已随机偏移 3-10 年，只有相对间隔可信（坑 5）。
§13 按角色阅读路径
| 你是谁 | 推荐路径 | 预计耗时 |
|---|---|---|
| 数据工程师 | §6.1 表格 → §6.4 版本链 → 坑 1/6/8 → §10 第 1 天 | 30 分钟 |
| 生信/组学分析师 | §5.1-5.2 → §7.2 表 → 案例 B/C → §11 | 1 小时 |
| 影像组学研究者 | §4.3 → 坑 3/5 → 案例 A → §10 第 2 周 | 45 分钟 |
| 胰腺癌临床研究者 | §1 十问十答 → §2.2 团队与论文 → §5.2 标签资产 | 30 分钟 |
| 基础模型/ML 研究者 | §7.1-7.3 → §9 DAIMS → §12 误解澄清 | 40 分钟 |
| 学生/初学者 | §0 导读 → §1 Q1/Q2/Q10 → §10 清单逐步走 | 2 小时起 |
§14 建议互链点（库内条目 + rid）
- cptac（rid 259）——CPTAC 计划总条目。本条目是其疾病队列深入篇：从 cptac 的多癌种总表进入本条目可看到 PDAC 单队列的完整任务化拆解；反向，本条目读者要了解 TMT 方法论与联盟治理应回 cptac。
- cptac-imaging（rid 527）——CPTAC TCIA 影像总览。其 11 队列索引中 PDA 一行的疾病专属数字（110/134/1,133/132,852、3D 分割、DICOM 标签 (0012,0050)）以本条目 §4.3 为准；本条目影像节未展开的其他 CPTAC 影像队列入口在 cptac-imaging。
- cptac-stad（rid 954）——胃癌 STAD 队列条目。同属 CPTAC3 消化系统队列，方法学（TMT11、NMF 分型、PDC/GDC/dbGaP 三级托管）完全同构，适合做跨队列方法迁移对照。
- tcga（rid 25 / 566，TCGA 总条目）——若需要 PDAC 的 TCGA 基因组侧对照，经 tcga 总条目检索 TCGA-PAAD；本条目与 TCGA-PAAD 是「蛋白组侧 vs 基因组侧」的同疾病互补关系（库内暂无 tcga-paad 专属条目，互链先挂 tcga 总条目）。
- 外部资源（不入 frontmatter，仅正文索引）：PDC PDC000270/271/272/341、GDC CPTAC-3、dbGaP phs001287、TCIA DOI 10.7937/k9/tcia.2018.sc20fo18、IDC CPTAC-PDA 集合、cBioPortal paad_cptac_2021、LinkedOmics CPTAC-PDAC、PANOPLY（Broad/Terra）、ding-lab GitHub pipeline。
§15 存照与遗留疑点
15.1 双口径存照清单
- 蛋白组病例数 140 vs 166：Cell 论文口径 140 肿瘤+67 NAT+9 正常导管；PDC000272 分册显示 Intact Glycoproteome 166 cases/250 aliquots。为分册样本集口径（含 NAT 与 disqualified 排除前计数），非矛盾，双口径均存照——引用时按 §2.2/坑 2 规则选口径。
- 影像受试者 110 vs 组织 140：影像仅覆盖部分病例（标准诊疗扫描且有 DICOM 者），非全队列配对——TCIA 集合页实查。
- 临床字段 NA：cBioPortal 显示 Race NA 107/140、Tumor Site NA 37 例，为去标识化结果，作限制注明。
- TCIA 版本口径：集合 DOI 10.7937/k9/tcia.2018.sc20fo18 首发，V15（2025-02-26）为当前版本；受试者/检查数以 V15 口径记录（110/134），经 cptac-imaging 条目 FACTS 带源转引。
15.2 遗留疑点（待后续核）
- PDC000270/271 两个主分册的 aliquot 精确总数未逐一抓取（网络预算限制）；需要精确数时直接查 PDC 分册页。
- Confirmatory 批次（如 PDC000393 等另一研究号）与本队列的归属细节未逐条核实——引用时以 PDC 页面归属关系为准。
- 72 蛋白面板的完整蛋白列表在论文补充材料中，本条目仅记录面板规模与代表标志物（Chromogranin A）；做面板复现时以补充材料为准。
§16 术语表（中英对照，按主题分组）
16.1 计划与方法学术语
- CPTAC（Clinical Proteomic Tumor Analysis Consortium）：NCI 临床蛋白质组肿瘤分析联盟，国家级蛋白基因组学计划；本队列属 CPTAC3 阶段。
- Proteogenomics / 蛋白基因组学：基因组、转录组与蛋白质组数据整合分析的范式；CPTAC 的招牌方法论。
- PDAC / PDA（Pancreatic Ductal Adenocarcinoma）：胰腺导管腺癌，胰腺癌最常见病理类型（占九成左右）；本条目 slug 中 PDA 即此缩写。
- Discovery cohort / 发现队列：CPTAC3 中用于主分析的核心样本集，与验证性/扩展性分析相对。
- Case vs Aliquot：case 为患者/病例级单位，aliquot 为样本分装单位——一个 case 可产生多个 aliquot 分属不同分册；PDC 页面计数常是 aliquot 口径。
- Study（PDC 语境）：PDC 中按「分析主题+技术路线」组织的发布单位（如 PDC000272），一个队列可拆多个 study。
16.2 质谱与蛋白组术语
- TMT11（Tandem Mass Tag 11-plex）：11 通道同位素标签多路复用定量技术；肿瘤-NAT 配对同批共测的设计基础。
- Reference channel / 参考通道：TMT 批内混合的公共参照样本（如池化样本），用于跨批桥接归一化；CPTAC 惯例以 JD 062 等参考体系实现批间可比。
- DDA / DIA（Data-Dependent / Data-Independent Acquisition）：数据依赖/非依赖采集；PDC000341 的 DIA 蛋白组是 DDA 型 TMT 主分册的第二技术路线。
- mzML / mzIdentML：质谱数据开放标准格式——前者存谱图，后者存肽段鉴定；PDC 处理后数据的主要格式。
- Phosphoproteome / 磷酸化蛋白组：磷酸化位点层面的富集定量组学；激酶活性推断（KSEA/PTM-SEA）的输入。
- Intact glycopeptide / 完整糖肽：保留完整糖链的肽段分析，可同时定量糖位点与糖型；PDC000272 分册的对象。
- Glycoproteome / 糖蛋白组：糖基化修饰的蛋白组维度；与免疫微环境（冷肿瘤表型）关联研究的新兴层。
- Neoplastic cellularity / 肿瘤细胞占比：肿瘤组织中恶性细胞的比例；论文用病理估计+组学反推的多策略正交评估。
- NMF（Non-negative Matrix Factorization）：非负矩阵分解，论文用于蛋白矩阵无监督分型的方法；亚型标签存于 Table S7。
- KSEA / PTM-SEA（Kinase/PTM Substrate Enrichment Analysis）：激酶/修饰底物富集分析，从磷酸化矩阵推断激酶活性；复现 KRAS 下游 PAK4/MAPK 节点的标准工具。
16.3 基因组与表观术语
- WGS / WES（Whole Genome / Whole Exome Sequencing）：全基因组/全外显子组测序；WashU 基因组中心承担。
- EPIC array：Illumina EPIC DNA 甲基化芯片，覆盖约 85 万 CpG 位点；本队列表观层的数据源。
- miRNA-seq：微小 RNA 测序，转录后调控层。
- dbGaP（database of Genotypes and Phenotypes）：NIH 基因型-表型受控数据库；本队列 germline 基因型经 phs001287 申请。
- GDC（Genomic Data Commons）：NCI 基因组数据共享平台；CPTAC-3 基因组数据两级管控的开放层入口。
- KRAS / CDKN2A / SMAD4 / TP53：PDAC 四大高频驱动基因（「四骑士」）；约九成 KRAS 激活突变是队列基因组同质性的来源。
16.4 影像与病理术语
- TCIA（The Cancer Imaging Archive）：NCI 资助的开放癌症影像档案；CPTAC-PDA 影像集合的托管方。
- IDC（Imaging Data Commons）：NCI 影像数据共享云平台；CPTAC-PDA 集合同步分发，支持 BigQuery/GCS 云分析。
- DICOM：医学影像标准格式；放射 CT 的存储格式，标签 (0012,0050) 记录距病理诊断天数。
- SVS：Aperio 全切片图像格式；病理 H&E WSI 的存储格式（168 例）。
- 3D segmentation + seed points：NCI 为放射影像生成的三维分割掩码与种子点标注，内嵌于 DICOM。
- WSI（Whole Slide Image）：病理全切片扫描图像；数字病理基础模型（UNI/Virchow 系）的输入格式。
- Date shifting / 日期偏移：HIPAA 去标识化手段，绝对日期随机偏移 3-10 年但保留相对间隔。
16.5 分析与合规术语
- cBioPortal：癌症基因组/蛋白组可视化分析平台；
paad_cptac_2021study 提供 Z-score 化矩阵下载。 - LinkedOmics：跨组学关联统计在线平台；CPTAC-PDAC 数据集入口。
- PANOPLY：Broad 研发的多组学分析流水线，部署于 Terra 云工作区；CPTAC 官方复现工具。
- ssGSEA（single-sample GSEA）：单样本基因集富集分析；计算通路评分做跨组学桥接的常用手段。
- ComBat：批效应校正方法；自建 TMT 分析流程时必须纳入。
- Proprietary（PDC 语境）：原始质谱的受控标记——需登录申请，与处理后数据的开放下载相对。
- HIPAA：美国健康保险可携性与责任法案；影像日期偏移与临床字段去标识化的合规依据。
§17 PDC 分册逐册详解
17.1 PDC000270 — Proteome（全蛋白组主分册）
- 内容：TMT11 全蛋白组定量，140 例肿瘤 + NAT 配对设计。
- 结构：按 TMT 批次组织 aliquot；每批含参考通道。
- 格式：处理后 Open Standard（mzML、蛋白/肽段定量矩阵）；Raw 质谱 Proprietary。
- 使用建议：差异表达与亚型分析的主输入；下载前先读 PDC 页的批次表，把批次变量保留进统计模型（坑 8）。
17.2 PDC000271 — Phosphoproteome（磷酸化分册）
- 内容：磷酸肽富集后 TMT 定量，位点级丰度。
- 使用建议：激酶活性推断（KSEA/PTM-SEA）的输入；注意位点缺失非随机（§7.3），优先用 CPTAC 官方 pipeline 的缺失处理参数。
17.3 PDC000272 — Intact Glycoproteome（糖蛋白组分册）
- 内容：166 cases / 250 aliquots 的完整糖肽定量；8 个 disqualified aliquots 名单公开。
- 口径提醒：166 cases ≠ 论文 140 肿瘤（含 NAT 等，坑 2）；引用时带 study ID。
- 使用建议：糖型-免疫微环境关联、糖基化 biomarker 两类课题；糖型定量矩阵较新，工具链参考论文方法节。
17.4 PDC000341 — DIA Proteome（DIA 分册）
- 内容：数据非依赖采集的第二技术路线定量。
- 使用建议：方法学一致性基准（案例 C）；或作为 TMT 结果的独立验证层。
17.5 分册协作规则小结
- 所有分册共享 PDC case UUID 体系，跨分册 case 对齐以 UUID 为主键。
- 各分册 aliquot 数不同属正常——分析口径不同，不是数据冲突。
- 跨分册合并分析时以「最窄口径」为交集（即所有分册都覆盖的 case/aliquot）。
§18 影像与病理深潜
18.1 放射影像集合结构
TCIA CPTAC-PDA 的放射部分按受试者 → 检查 → 序列三级组织：110 受试者、134 检查（部分受试者有多次扫描）、1,133 序列、132,852 幅 CT，合计 67.24GB。集合由 NCI 组织标注，提供每个病灶的 3D 分割掩码与 seed points——这意味着影像组学实验可以跳过最贵的分割环节，直接从掩码提取特征。
18.2 时序标签的合规设计
每个 DICOM 检查携带标签 (0012,0050)（Clinical Trial Time Point Description），以「距病理诊断的天数」编码时序：术前扫描为负值（最早 -3 天），术后为正值（最晚 +90 天）。绝对日期被随机偏移 3-10 年但保持间隔结构——这是 HIPAA 合规与纵向分析可用性的折中设计。使用者须知：① 任何绝对日期运算无意义；② 按相对天数筛选术前/术后子集是正确姿势；③ 偏移种子不可逆推真实日期。
18.3 病理 WSI 子集
病理部分为 168 例 H&E 全切片（SVS，88GB），由 CPTAC 病理学核心（Hruban 团队参与的审查体系）质控。与分子数据的配对关系按 case 体系组织。可用任务：
- 弱监督分子预测：以 NMF 亚型/cellularity 为弱标签训练 WSI 模型（注意 168 例对深度模型偏小，推荐 MIL 弱监督或基础模型特征冻结）。
- 形态-组学关联：病理形态学特征（腺体分化、间质比例）与蛋白通路评分的关联复现。
- 质控参考：切片经 CPTAC 病理核心审查，可作为胰腺病理数字切片的形态学参考集。
18.4 影像-组织配对操作要点
- 配对键：PDC case UUID ↔ TCIA subject ID，对齐经 PDC 页 External References 或 TCIA collection 元数据。
- 可用配对上限 110（受影像侧约束），实际可分析配对以分子数据可用性交集为准。
- 影像侧术前/术后标签（-3 至 +90 天）决定「影像早于组织」的时间窗——做「影像预测分子亚型」时只用术前影像，避免术后改变污染。
18.5 IDC 云端路线
Imaging Data Commons 同步分发 CPTAC-PDA 集合：适合不想本地存 155GB 的用户——BigQuery 表查元数据、GCS 直读 DICOM/SVS；与 TCIA 本地下载二选一，两者内容同源。
§19 基因组层深潜
19.1 平台与质控
WGS/WES 由 WashU 基因组中心产出，覆盖 140 例肿瘤及可用 NAT；体细胞突变、拷贝数、结构变异经 CPTAC 统一 pipeline 处理。EPIC 甲基化阵列、RNA-seq、miRNA-seq 同批管理。cBioPortal 的 paad_cptac_2021 是最便捷的基因组视图：突变表、CNA、临床字段一屏可得。
19.2 突变图景的「同质性」及其利用
队列突变谱复现 PDAC 共识：KRAS 高频激活（约九成）、CDKN2A/SMAD4/TP53 高频失活、MUC4 等次高频事件。这一同质性对 ML 研究是双刃剑：
- 不利面：以突变作预测目标缺乏方差，分类任务天花板低。
- 有利面：正因基因组同质，蛋白/磷酸化层的异质性才是真正的信号源——「基因组相似、蛋白组分型不同」正是主论文的核心叙事，也是「蛋白组学增量价值」的最佳论证素材。
19.3 权限边界操作顺序
- 先取 GDC 开放层（体细胞数据+去标识分子层）——多数组学分析够用。
- 需要 germline 基因型（如 eQTL、ancestry 校正）才走 dbGaP phs001287 受控申请（周期数周至数月，预留时间）。
- 两者不可混同：不要在 GDC 开放数据里找 germline 文件（坑 6）。
§20 蛋白组方法学深潜
20.1 TMT 实验设计的读法
TMT11 批次结构是理解本队列蛋白组的钥匙：每批 11 通道 = 肿瘤/NAT 样本 + 参考通道；参考通道（池化样本）在每批同位素标签位置一致，作为跨批桥接锚。分析含义：
- 批内比较（配对肿瘤 vs 同批 NAT）最干净，是设计给予的天然配对。
- 跨批分析必须先按参考通道归一（或 ComBat），否则批效应主导。
- 样本到批次的分配表在 PDC 各分册页可下载，统计模型里「批次」应为必选协变量。
20.2 磷酸化层的正确打开方式
- 位点级矩阵 → 聚合到激酶活性（KSEA/PTM-SEA）比逐位点检验更稳健。
- 缺失机制：低丰度位点系统性缺失，均值填补偏置富集结果；用官方 pipeline 的缺失阈值或做最低丰度右删失。
- 复现锚点：KRAS 突变样本中 PAK4/MAPK 节点激活应显著；此结果同时是分析流程正确性的自检。
20.3 糖蛋白组的技术要点
完整糖肽分析同时输出「糖位点」与「糖型」两个维度，数据结构比普通蛋白组多一层（peptide-site-glycan 三元组）。实用建议：先用论文分册页的汇总表把握糖型类别分布，再做位点级挖掘；与免疫通路评分（ssGSEA）的关联是论文报道的冷肿瘤关联主线。
20.4 cellularity 多策略评估的启示
论文对肿瘤细胞占比采用病理估计与组学反推（如突变负荷、DNA 甲基化去卷积）正交互证，并经病理验证。对数据集用户的启示：① 任何「纯组学去卷积肿瘤纯度」的结论都要有病理锚点；② 逐例 cellularity 值可作为连续协变量纳入差异分析（纯度是蛋白组差异分析的经典混杂）。
§21 扩展任务设计（8 则进阶课题）
- 跨队列亚型迁移：用 cptac-stad（rid 954）的 STAD 蛋白组学到的亚型分类器迁移到 PDA 蛋白矩阵，检验「CPTAC 蛋白组亚型」的跨癌种可迁移性；需先做平台间归一化（同为 TMT 体系，迁移成本低于跨平台）。
- 多模态早期检测融合：影像组学特征（CT）+ 血清可及蛋白面板（从 72 蛋白面板筛选分泌蛋白）做早期检测融合模型；影像 110 例是样本瓶颈，推荐早融合特征级而非晚融合模型级。
- 糖基化-免疫微环境因果探索：糖型定量 + 免疫去卷积评分 + 临床结局的三元分析；以糖酵解通路评分为中介变量做中介分析（论文报道冷肿瘤-糖酵解关联，中介框架可给出方向性证据）。
- 生存预测特征对比赛：同一生存终点下比较四类特征集的 C-index——基因组突变负荷、RNA 通路评分、蛋白通路评分、影像组学评分；CPTAC-PDA 是少数四层全配对的公开队列，此「特征层对比赛」极具论文价值。
- 缺失数据方法学基准：蛋白/磷酸化矩阵的缺失模式（非随机缺失 MNAR）作为缺失填补方法的真实基准；与 DIA 分册（覆盖更均匀）互为参照。
- 病理基础模型域外评估：用 168 张胰腺 H&E SVS 测试通用病理基础模型（UNI/Virchow 系）在胰腺域的表征质量；以分子亚型为探针标签，检验「特征可分性」。
- TMT 参考通道桥接的消融研究：同一数据上有/无参考通道归一的批效应量对比，为 TMT 队列分析提供方法学量化证据。
- federated 伪场景：以 PDC（处理后开放）+ GDC（受控）+ TCIA（开放）的权限分层为天然「数据孤岛」，设计跨权限层的联邦式多模态分析流程演练——不涉及真实分布式训练，仅作数据治理教学案例。
§22 与其他胰腺癌数据集的对比定位
| 数据集 | 层次 | 规模 | 与 CPTAC-PDA 的关系 |
|---|---|---|---|
| TCGA-PAAD | 基因组/转录组为主 | 约 178-185 例 | 同疾病「基因组侧」；CPTAC-PDA 覆盖更深的蛋白/修饰层；两队列样本部分重叠（CPTAC 采集时参考了 TCGA 标准） |
| ICGC PACA（PAAD/AU/PACA-CA） | 基因组 | 国际队列 | 互补的国际基因组队列；无系统蛋白组 |
| TCIA 放射组学胰腺集合（如 NIH-pancreas-ct，库内 rid 367） | 影像（CT 分割） | 分割掩码集合 | 纯影像单模态；CPTAC-PDA 的影像价值在于「影像+分子」配对 |
| PANDA 类病理集（库内多） | 病理 WSI（前列腺等） | — | 不同器官；CPTAC-PDA 的 168 张 SVS 规模小但带分子标签，价值在「弱监督分子预测」场景 |
| CPTAC 其他队列（库内 cptac-stad 等） | 蛋白基因组学 | 各癌种 | 方法学同构，适合跨癌种迁移（§21 课题 1） |
定位结论：在公开数据生态中，CPTAC-PDA 的不可替代性是「PDAC 的蛋白组/磷酸化/糖蛋白组唯一系统性公开队列」+「影像-病理-分子三层配对」。若课题只需要基因组，TCGA-PAAD 更轻；一旦问题涉及蛋白层信号、修饰组或影像-分子桥接，本队列几乎无替代。
§23 伦理、合规与使用边界
- 去标识化状态：所有分发层（PDC/GDC/TCIA/cBioPortal）数据均为去标识化数据；影像绝对日期偏移、临床字段 NA 化都是去标识化的直接产物（坑 4/坑 5）。
- 受控数据义务：dbGaP phs001287 获批数据的分析范围受申请书约束；跨受控申请的基因型合并需另行审批。
- 引用义务：PDC/GDC/TCIA 下载页明示引用主论文与 study ID；再分发的衍生矩阵应保留原始 case UUID 体系以便回溯。
- 临床声明：72 蛋白早期检测面板与亚型-预后关联均为研究性结论，不构成临床决策依据；论文原文同样以 candidate/research 定位。
- 人群代表性：队列以美国多中心手术病例为主，胰头癌占 73.6%，性别均衡（52.9% 男），但种族字段大量缺失——外推到其他人群时应在 limitation 中明示。
§24 参考来源清单（正文引用源）
- Cao L, Huang C, Zhou DC, et al. Proteogenomic characterization of pancreatic ductal adenocarcinoma. Cell 184(19):5031-5052.e26 (2021). DOI 10.1016/j.cell.2021.08.023；PMID 34534465.
- NCI Proteomic Data Commons — PDC000270（Proteome）：https://pdc.cancer.gov/pdc/study/PDC000270
- NCI PDC — PDC000271（Phosphoproteome）：https://pdc.cancer.gov/pdc/study/PDC000271
- NCI PDC — PDC000272（Intact Glycoproteome，166 cases/250 aliquots）：https://pdc.cancer.gov/pdc/study/PDC000272
- NCI PDC — PDC000341（DIA Proteome）：https://pdc.cancer.gov/pdc/study/PDC000341
- TCIA CPTAC-PDA 集合页（V15，2025-02-26 更新）：https://www.cancerimagingarchive.net/?p=45161/；DOI 10.7937/k9/tcia.2018.sc20fo18
- cBioPortal study
paad_cptac_2021：https://www.cbioportal.org/study/summary?id=paad_cptac_2021 - dbGaP phs001287（CPTAC-3 germline 受控）：https://www.ncbi.nlm.nih.gov/projects/gap/cgi-bin/study.cgi?study_id=phs001287
- GDC CPTAC-3：https://portal.gdc.cancer.gov/
- LinkedOmics CPTAC-PDAC：http://linkedomics.org/
- PANOPLY（Broad/Terra 多组学流水线）：https://github.com/broadinstitute/PANOPLY
- Cell 论文数据可用性声明（ding-lab GitHub pipeline 等）——见主论文 Data and code availability 节。
来源核查说明：核心数字（140/67/9 样本、110/134/1,133/132,852 影像、DOI/PMID、分册号与 aliquot 数）经 Cell 论文、PDC 分册页、TCIA 集合页、cBioPortal 四类一手来源互证；影像明细数字经库内 cptac-imaging（rid 527）FACTS 带源转引并复核一致。
§25 附录：标识符与链接速查
25.1 标识符总表
| 对象 | 标识符 |
|---|---|
| 本条目 slug / 库内 URL | cptac-pda / https://www.qianfanghub.com/ai-ready-dataset/cptac-pda/1135 |
| 主论文 DOI | 10.1016/j.cell.2021.08.023 |
| 主论文 PMID | 34534465 |
| PDC 分册 | PDC000270 / PDC000271 / PDC000272 / PDC000341 |
| 影像 DOI | 10.7937/k9/tcia.2018.sc20fo18（TCIA，V15） |
| dbGaP | phs001287 |
| cBioPortal | paad_cptac_2021 |
| 库内互链 | cptac(259) / cptac-imaging(527) / cptac-stad(954) / tcga(25, 566) |
25.2 一页速查卡（Cheat Sheet）
- 要矩阵：cBioPortal
paad_cptac_2021→ Z-score 蛋白/磷酸化 + 临床。 - 要谱图：PDC 分册页 → Open Standard mzML（Raw 需申请）。
- 要基因组：GDC 开放层；germline 走 dbGaP。
- 要影像：TCIA 或 IDC（含 3D 分割、SVS 病理 168 例）。
- 要流水线：PANOPLY（Terra）。
- 引用：Cell 2021 DOI 10.1016/j.cell.2021.08.023 + 对应 study ID。
- 先查：case 交集（影像 110 vs 组织 140）、批次表、aliquot 剔除表（PDC000272 页 8 个 disqualified）。
25.3 与库内条目的检索别名提示
在库内或外网检索时，以下写法均指向本队列：「CPTAC PDAC」「CPTAC-PDA」「CPTAC pancreatic cancer」「PDC000270/271/272/341 队列」「paad_cptac_2021」。库内 cptac、cptac-imaging、cptac-stad 三个条目是计划层/影像层/平行队列的指针，疾病专属检索以本条目为终点。
§26 主论文核心发现逐条深读
26.1 发现一：蛋白组 NMF 亚型
论文内容：对蛋白矩阵做 NMF 共识聚类，得到具有生物学与临床差异的 PDAC 分型。亚型与肿瘤微环境组成、代谢程序与预后相关——基因组上几乎相同的肿瘤，在蛋白层被分出了不同的「行为类型」。
对数据使用者的含义：
- Table S7 的逐例亚型标签是现成的监督信号，不需要自己重新聚类即可做分类/预测实验。
- 自己重新聚类时应做共识聚类稳定性评估（silhouette、cophenetic 系数），与论文 k 值对照。
- 亚型是「蛋白组涌现」的——用 RNA 矩阵未必能完全复现分型，这本身是可检验的科研问题。
26.2 发现二：neoplastic cellularity 的正交评估
论文内容：肿瘤细胞占比由病理估计与多组学反推（拷贝数/甲基化去卷积等）双路评估并交叉验证，揭示单一来源 cellularity 估计的系统偏差。
对数据使用者的含义：差异分析中 cellularity 是经典混杂——肿瘤含量差异会被误读为生物学差异。本队列提供双路 cellularity 数值，可把「纯度校正」做成敏感性分析的标准步骤。
26.3 发现三：KRAS 下游可药化节点
论文内容：磷酸化层分析锁定 KRAS 下游 PAK4/MAPK 等激酶节点在特定亚群中的高活性，提示可药化窗口——KRAS 本体长期「不可成药」，其下游激酶是替代靶点层。
对数据使用者的含义：KSEA/PTM-SEA 的复现结果是流程正确性自检锚点；激酶活性矩阵可作为药物重定位模型的响应特征。
26.4 发现四：冷肿瘤-内皮重塑-糖酵解关联
论文内容：论文刻画了「免疫冷」肿瘤亚群与内皮重塑、糖酵解程序的共现，糖蛋白组扩展分册进一步提供糖基化层面的证据线。
对数据使用者的含义：把糖型定量、ssGSEA 免疫评分、影像（如 CT 强化异质性）三者放在同一回归框架里，是本队列独有的可行设计——没有第二个公开 PDAC 队列同时有这三层数据。
26.5 发现五：72 蛋白早期检测候选面板
论文内容：基于肿瘤 vs NAT 差异蛋白，论文提出约 72 蛋白的候选早期检测面板，含 Chromogranin A 等代表标志物。
对数据使用者的含义：
- 面板复现是最友好的入门课题（案例 B）：有明确锚点、可量化对比、有压缩空间。
- 注意 NAT 口径局限（癌旁≠健康），「早期检测」的表述应保持论文的 candidate 措辞。
- 面板向血清标志物转化的可行性筛选（分泌蛋白、膜蛋白注释）是自然的后续课题。
§27 统计设计建议与常见错误
27.1 差异表达（肿瘤 vs NAT）的正确姿势
- 设计矩阵：~ 批次 + cellularity + 配对结构（肿瘤-NAT 同批）。
- 批校正：参考通道归一为第一层，ComBat 为可选第二层；两者叠加时防止过度校正。
- 多重检验：BH-FDR 是基线；蛋白层效应量报告（log2FC）与显著性并重。
27.2 分型实验的正确姿势
- 输入矩阵标准化：Z-score 按蛋白（行）而非样本（列），保留样本间结构。
- k 的选择：共识聚类 + 多指标（cophenetic/silhouette/稳定性），并与 Table S7 对照而非盲目另起炉灶。
- 报告规范：亚型-临床关联表须给 n、事件数与 HR 置信区间。
27.3 影像组学实验的正确姿势
- 特征数/样本量控制：约 100 维 radiomics 特征 vs ≤110 配对——先做特征筛选（ICC 一致性 → 单变量 → LASSO），不要直接上深度网络。
- 部位混杂：胰头 73.6% ——若亚型/结局与部位相关，模型可能学到「部位」而非生物学；分层评估必备。
- 时间窗纪律：只用术前影像（相对天数 ≤0）做预测；术后影像用于另一类问题（复发/并发症研究时）。
27.4 高频错误清单（代码审查视角）
| 错误 | 后果 | 纠正 |
|---|---|---|
| 不带批次的池化差异分析 | 假差异由批效应主导 | 批次进设计矩阵（坑 8） |
| 绝对日期做纵向特征 | 日期是随机偏移的 | 用 (0012,0050) 相对天数（坑 5） |
| 假设 140 例全有 CT | 配对数虚高 | 先做 case 交集（坑 3） |
| 把糖蛋白组 cases 当队列总数 | 规模误报（166 vs 140） | 分册口径标注 study ID（坑 2） |
| GDC 目录里找 germline | 找不到文件 | dbGaP phs001287 申请（坑 6） |
| PDC 原始质谱直接下载 | 遇 Proprietary 门 | 处理后 Open Standard 或走申请（坑 1） |
| 磷酸化矩阵均值填补 | 激酶活性偏置 | 缺失阈值 + 右删失策略（§7.3） |
§28 数据字典：关键表格与字段
28.1 cBioPortal 视图字段（paad_cptac_2021）
- 患者/样本元数据：性别（男 74/女 66）、肿瘤部位（Head 103/Tail 14/Body 14/NA 37）、Race（NA 107/140）。
- 分子层切换：mutations（WGS/WES 体细胞）、CNA、mRNA（RNA-seq）、miRNA、protein（Z-score）、phosphoprotein（Z-score）、methylation（EPIC）。
- 下载格式：TSV 矩阵 + 临床 TSV，可直接进 R/Python。
28.2 PDC 页面结构（每个分册）
- Study 概览页：分析主题、PI、批次表、aliquot 总数。
- case/aliquot 浏览器：UUID 体系，支持按批次/case 筛选。
- 文件下载区：Open Standard 处理后文件；Raw 区带 Proprietary 标记。
- External References：GDC/dbGaP/TCIA/cBioPortal 的交叉指针——跨平台 case 对齐从这里开始。
28.3 TCIA 集合结构
- Collection 页：受试者列表（110）、版本历史（V1→V15）。
- 受试者页：检查列表（134）与序列（1,133）；DICOM 标签含 (0012,0050) 时序。
- 分割资产：NCI 生成 3D 分割与 seed points，随 DICOM 或独立资源发布。
- 病理子集：168 例 SVS（88GB），另有 67.24GB 放射数据。
28.4 论文补充材料索引
- Table S7：NMF 亚型逐例标签——监督学习主标签来源。
- 差异蛋白/磷酸化位点表：72 蛋白面板与 KSEA 复现的起点。
- cellularity 双路评估表：纯度协变量来源。
- 补充方法节：批校正与缺失处理的官方参数——自建流程时逐条对齐。
§29 决策树：你该用哪个子集
你的研究问题是什么？
│
├─ 只要蛋白组矩阵做分型/标志物
│ └─ cBioPortal Z-score 矩阵（10 分钟上手）
│ ├─ 要原始谱图重定量 → PDC 处理后 mzML →（必要时）Raw 申请
│ └─ 要第二技术验证 → PDC000341 DIA
│
├─ 要磷酸化/激酶
│ └─ PDC000271 磷酸化矩阵 + KSEA/PTM-SEA
│ └─ 自检锚点：KRAS 突变样本 PAK4/MAPK 应激活
│
├─ 要糖基化
│ └─ PDC000272（166 cases 口径，剔除 8 个 disqualified aliquots）
│ └─ 关联目标：免疫冷表型 / 糖酵解评分（ssGSEA）
│
├─ 要基因组/甲基化/RNA
│ ├─ 体细胞层面 → GDC 开放层
│ └─ germline/基因型 → dbGaP phs001287 受控申请
│
├─ 要影像（CT/WSI）
│ ├─ 影像组学 + 分割 → TCIA（110 受试者，3D 分割就绪）
│ ├─ 云端分析 → IDC（BigQuery/GCS）
│ └─ 病理弱监督 → 168 例 SVS + 分子弱标签
│
└─ 要影像-分子桥接
└─ 第一步永远是 case 交集（≤110）
├─ 术前影像（相对天数 ≤0）+ 亚型标签
└─ 特征筛选 → LASSO 级模型（勿上深度网络）
§30 五十问快速索引（FAQ 精选）
- 队列主论文发在哪？ Cell 2021（184 卷 19 期），DOI 10.1016/j.cell.2021.08.023。
- 谁主导？ NCI CPTAC 联盟；JHU（Hui Zhang/Daniel Chan/Hruban）、Baylor（Bing Zhang）、WashU（Li Ding）、石溪（Pei Wang）、Broad（Mani）等分担。
- 多少肿瘤？ 140 例 PDAC，配 67 NAT + 9 正常胰管。
- 性别比例？ 男 74（52.9%）/女 66。
- 部位分布？ 胰头 103（73.6%）、尾 14、体 14、NA 37。
- 几个分子平台？ 九个：WGS/WES/EPIC/RNA-seq/miRNA-seq/TMT 蛋白组/磷酸化/糖蛋白组/DIA。
- 蛋白组分册号？ PDC000270（蛋白组）/271（磷酸化）/272（糖蛋白组）/341（DIA）。
- 糖蛋白组多大？ 166 cases/250 aliquots（分册口径，≠论文 140）。
- 影像覆盖？ 110 受试者/134 检查/1,133 序列/132,852 幅（67.24GB）。
- 病理多少？ 168 例 H&E SVS（88GB）。
- 影像有标注吗？ 有：NCI 3D 分割 + seed points。
- 影像日期可信吗？ 相对天数可信（-3 至 +90），绝对日期偏移 3-10 年。
- 原始质谱能下吗？ Raw 标 Proprietary；处理后 mzML 开放。
- 基因型怎么拿？ dbGaP phs001287 受控申请。
- 有 leaderboard 吗？ 无；基线=论文图表 + PANOPLY。
- 亚型标签在哪？ 论文 Table S7。
- cellularity 有数据吗？ 有，双路评估并经病理验证。
- 突变谱？ KRAS/CDKN2A/SMAD4/TP53/MUC4 高频（PDAC 典型）。
- 和 TCGA-PAAD 什么关系？ 同疾病互补：TCGA 基因组侧，本队列蛋白组侧更深。
- 和库内 cptac 条目什么关系？ cptac(259) 是计划总条目，本条目是疾病深入篇，非别名。
- 和 cptac-imaging 什么关系？ cptac-imaging(527) 是 11 队列影像总览，PDA 数字以本条目为准。
- 和 cptac-stad 什么关系？ (954) 胃癌平行队列，方法学同构姊妹篇。
- TMT 是什么？ 11 通道同位素多路定量，肿瘤-NAT 同批共测。
- 批校正必须吗？ 必须（参考通道/ComBat），否则假差异。
- 磷酸化缺失怎么处理？ 缺失非随机；用官方阈值或右删失，勿均值填补。
- 参考通道是什么？ 每批公共池化样本，跨批桥接锚。
- KSEA 是什么？ 从磷酸化底物集推断激酶活性的富集方法。
- ssGSEA 用在哪？ 免疫/通路评分，做跨组学桥接。
- cBioPortal study id？ paad_cptac_2021。
- LinkedOmics 有吗？ 有，CPTAC-PDAC。
- PANOPLY 是什么？ Broad 多组学流水线（Terra），官方复现工具。
- ding-lab GitHub？ 主论文开源的基因组 pipeline。
- IDC 是什么？ NCI 影像云平台，CPTAC-PDA 集合同步分发。
- TCIA 版本？ DOI 10.7937/k9/tcia.2018.sc20fo18，V15（2025-02）。
- ** disqualified aliquots？** PDC000272 页公开 8 个，统计前剔除。
- 影像-组织全配对吗？ 否，上限 110 交集。
- 种族字段可用吗？ NA 107/140，人种分层受限。
- 72 蛋白面板在哪？ 论文补充材料；代表标志物 Chromogranin A。
- 早期检测表述要注意什么？ NAT≠健康对照，保持 candidate 措辞。
- ** 最短上手路径？** cBioPortal 矩阵 → NMF 复现 → KM 生存。
- 跨批比较怎么做？ 参考通道归一 + 批次协变量。
- 部位混杂？ 胰头主导，分层评估必备。
- 术前影像怎么筛？ (0012,0050) 相对天数 ≤0。
- 云端免下载？ IDC（BigQuery/GCS）。
- 甲基化平台？ Illumina EPIC array。
- miRNA 有吗？ 有，miRNA-seq 层。
- 引用义务？ 主论文 DOI + 对应 PDC study ID。
- 再分发规矩？ 保留 case UUID 体系，可回溯。
- 库内 URL？ https://www.qianfanghub.com/ai-ready-dataset/cptac-pda/1135。
- 遇到 166/140 冲突怎么办？ 按口径规则选：队列规模用论文，分册统计带 study ID（§15.1）。
§31 写作与引用规范建议
- 队列规模表述：首次引用写「140 例 PDAC（配 67 例癌旁正常与 9 例正常胰管，CPTAC-PDA 队列）」；分册统计单独标注（如「糖蛋白组分册覆盖 166 cases」）。
- 影像表述：写全四元组「110 受试者/134 检查/1,133 序列/132,852 幅」并附 TCIA DOI；只写「约 15 万张 CT」会丢失可核查性。
- 亚型表述：引用亚型结论时注明「蛋白组 NMF 分型（Cao et al. 2021, Table S7）」，避免与 TCGA RNA 分型混淆。
- 面板表述：以「候选（candidate）早期检测面板」措辞，附 Chromogranin A 等代表标志物示例。
- 数据可用性声明模板：分四句写全——蛋白组（PDC + 分册号）、基因组（GDC/dbGaP phs001287）、影像（TCIA DOI + IDC）、分析工具（cBioPortal/LinkedOmics/PANOPLY）。
§32 版本记录与本条目维护说明
- 本条目基于 2026-10-17 时点可核验的公开来源撰写：Cell 2021 主论文、PDC 四分册页、TCIA 集合页（V15）、cBioPortal study 页。
- TCIA 集合存在持续版本维护（V1→V15，2025-02-26 最新），后续修订本条目时优先复核影像四元组数字。
- PDC 可能新增 Confirmatory/扩展分册（如 PDC000393 等）——修订时按 PDC 检索「CPTAC PDAC」补全分册清单。
- 与库内 cptac(259)、cptac-imaging(527)、cptac-stad(954) 的分工关系见 §2.3 与 §14；若库内未来新增 tcga-paad 专属条目，应将 §14 第 4 条互链从 tcga 总条目改挂 tcga-paad。
§33 数据获取实操指南（命令级）
33.1 cBioPortal 矩阵获取（最短路径）
- 浏览器：https://www.cbioportal.org/study/summary?id=paad_cptac_2021 → Download 标签页。
- 可下文件：protein Z-score TSV、phosphoprotein Z-score TSV、mRNA、methylation、mutations MAF、临床 TSV。
- 命令行替代：cBioPortal API（
/api/studies/paad_cptac_2021/...）或直接从 study 页打包下载。
33.2 PDC 处理后数据下载
- 打开分册页（如 https://pdc.cancer.gov/pdc/study/PDC000272）。
- Study → Files：按文件类型筛选（mzML/mzIdentML/定量矩阵）。
- 勾选后打包下载；PDC 提供 API 与 bulk 下载脚本（PDC bulk download，Python）。
- 注意：Raw Mass Spectra 入口带 Proprietary 标记——未获批用户只取 Open Standard 区。
- 同时下载批次表与 aliquot 剔除表（PDC000272 页含 8 个 disqualified aliquots）。
33.3 GDC 基因组数据
- https://portal.gdc.cancer.gov/ → 检索「CPTAC-3」/「CPTAC-PDAC」项目。
- 开放层：BAM（去标识处理）、VCF、甲基化 idat、RNA-seq 定量——加购物车 → Cart → 下载 manifest →
gdc-client download。 - 受控层：需 dbGaP 认证 token 后
gdc-client带 token 下载。 - germline 基因型不在 GDC 开放层——走 phs001287（坑 6）。
33.4 TCIA 影像下载
- TCIA 门户：集合页搜索「CPTAC-PDA」→ Download。
- 三种方式：
- NBIA 检索 GUI（manifest 下载）；
tciaclient/ REST API（https://services.cancerimagingarchive.net/nbia-api/services/v1/...）按 collection=CPTAC-PDA 拉取；- 轻量清单：先下 manifest 只拉部分序列。
- 分割与 seed points 随集合分发（解析参见集合页 Analysis 结果区）。
- IDC 云端：https://imaging.datacommons.cancer.gov/ → collection CPTAC-PDA；BigQuery 表查询 + GCS 直读 DICOM（适合免下载的云端分析）。
33.5 dbGaP 受控申请流程要点
- 机构 PI 在 dbGaP 注册申请 phs001287（CPTAC-3）。
- 填研究用途、附 IRB 批准；周期数周至数月——在项目排期中前置。
- 获批后用 dbGaP key 下载 germline 文件（
kon_load/wgetvia ssh 脚本）。 - 分析范围与申请书一致；新增数据用途需变更申请。
33.6 环境与工具版本建议
| 工具 | 用途 | 建议 |
|---|---|---|
| R limma/MSstats | 差异分析 | TMT 批次进 design |
| ComBat (sva) | 批校正 | 与参考通道归一二选一起步 |
| NMF (R/Bioconductor) | 分型复现 | consensus map + cophenetic |
| KSEA / PTM-SEA | 激酶活性 | 磷酸化 Z-score 输入 |
| PyRadiomics | 影像组学 | 只用分割掩码内特征 |
| SimpleITK / pydicom | DICOM 读取 | 读 (0012,0050) 标签 |
| OpenSlide / histolab | SVS 读取 | 168 例 WSI，patch 级处理 |
| gdc-client | GDC 下载 | 受控层带 token |
§34 临床转化视角：这个数据集离「用上」还有多远
34.1 三个转化方向的现实评估
- 早期检测面板：72 蛋白候选面板是起点而非终点。现实差距：NAT 对照≠健康人群对照；血清可检测性需验证（分泌/外泌体注释）；前瞻验证队列缺失。合理路径：面板压缩（案例 B）→ 公共血清蛋白组数据集（非本队列）交叉验证 → 设计独立验证研究。
- 治疗靶点（激酶）：PAK4/MAPK 等磷酸化节点是「可药化假设」而非临床证据。现实路径：激酶活性分层 → 与 CCLE/细胞系蛋白数据匹配 → 找到对应细胞系模型做功能验证。本队列的角色是「患者级证据的发现层」。
- 影像代理标志物：影像-亚型桥接（案例 A）若稳健，可设想「术前 CT 预测分子亚型」辅助手术/新辅助决策。现实差距：110 例训练集太小，需外部验证（如结合其他胰腺 CT 队列做迁移）；本队列价值在于提供「影像-分子」配对的发现性证据。
34.2 为什么「发现层」价值依然极高
- PDAC 临床试验失败率高的重要原因之一是分子分层缺失——本队列提供的就是分层假设的生成层。
- 蛋白组层直接对接药物作用机制（激酶抑制剂靶点），比基因组突变的「可药化推理链」短两步。
- 影像-分子配对在公开数据中极度稀缺，本队列是少数现实选择。
34.3 给临床研究者的底线清单
- 一切结论保持研究性表述（论文原文亦然）。
- 亚型/面板/激酶三类结论的外推，都需在独立队列验证后才可谈前瞻应用。
- 使用 dbGaP 受控数据的临床衍生研究注意审批边界（§23）。
§35 方法论课程化：把它当教学数据集用
CPTAC-PDA 因「全层覆盖 + 官方流水线 + 论文锚点齐全」，适合做成研究生课程的多周练习链：
| 周 | 练习 | 数据 | 锚点 |
|---|---|---|---|
| 1 | 矩阵读取与质控 | cBioPortal TSV | 论文 Fig 组成 |
| 2 | 差异蛋白 + 批校正 | PDC000270 | 肿瘤 vs NAT 差异表 |
| 3 | NMF 分型 | 蛋白矩阵 | Table S7 ARI |
| 4 | 生存分析 | 临床 TSV | 亚型-预后方向 |
| 5 | 磷酸化激酶活性 | PDC000271 | PAK4/MAPK 激活 |
| 6 | 影像组学入门 | TCIA 分割 | radiomics 特征表 |
| 7 | 影像-亚型桥接 | 交集 | AUC 显著性 |
| 8 | 病理弱监督 | SVS 168 例 | 亚型探针可分性 |
教学注意：每步留「口径检查」作业（坑 1-8 对应），把数据治理意识与建模能力同步训练。
§36 常见工作流组合（Recipe 速查）
- 速览型（1 天）：cBioPortal 矩阵 + Table S7 → 分型/生存两个 notebook。
- 复现型（1-2 周）：PDC000270/271 全链路 + 论文图表逐一对表 + PANOPLY 参照。
- 扩展型（1-2 月）：加入 PDC000272/341 扩展分册 + 影像交集桥接，产出方法学或桥接论文素材。
- 课程型（学期）：§35 八周链。
- 工程型：IDC 云端 + BigQuery 元数据 + PDC API + GDC client，搭「免本地存储」的全流程管道。
§37 数据集血缘图（文字版）
CPTAC3 计划（NCI）
└─ CPTAC-PDA 队列（140 PDAC + 67 NAT + 9 正常导管）
├─ WashU 基因组中心 → WGS/WES/EPIC/RNA-seq/miRNA-seq → GDC CPTAC-3（开放/受控）
│ └─ germline → dbGaP phs001287（受控）
├─ CPTAC 质谱中心群 → TMT11 蛋白组/磷酸化 → PDC000270/271（开放处理后）
│ └─ 扩展分析 → PDC000272 糖蛋白组 / PDC000341 DIA
├─ 临床协调（JHU）+ 病理审查（Hruban）→ cBioPortal paad_cptac_2021 / LinkedOmics
├─ 标准诊疗影像 → TCIA CPTAC-PDA（110 受试者，3D 分割，V15）→ IDC 同步
└─ 整合分析 → Cell 2021 主论文（NMF 亚型/cellularity/激酶/面板）
└─ 复现工具 → PANOPLY / ding-lab GitHub
血缘图读法：任何一次下载都能在图中定位其「生产者-托管方-质控责任方」，遇到数据问题时按图回溯对应环节（质谱问题找 PDC 分册页，影像问题找 TCIA 集合页，基因组问题找 GDC/dbGaP）。
§38 结语
CPTAC-PDA 的价值可以浓缩为一句话：在基因组最同质的实体瘤里，把中心法则的每一层都测全并公开。它不提供榜单、不承诺即插即用的深度学习基准，却提供更稀缺的东西——九个平台、同一批患者、四层托管、论文级锚点。对做科学的人，这是复现与发现的地基；对做工程的人，这是多平台数据治理的范本；对做转化的人，这是 PDAC 分层假设的唯一系统性来源。与库内 cptac（计划层）、cptac-imaging（影像层）、cptac-stad（平行队列）配合阅读，可获得 CPTAC 生态在胰腺癌上的完整切面。
§39 平台技术规范深读（写方法节的素材库）
39.1 TMT11 全蛋白组技术链
- 样本制备：组织裂解 → 蛋白提取定量 → 酶解为肽段 → TMT11 标记（每批 11 通道）→ 高 pH 反相分级 → LC-MS/MS。
- 定量原理：报告离子（reporter ions）强度代表各通道样本的肽段丰度；同批通道间无系统误差，批间靠参考通道桥接。
- 产出矩阵：蛋白级（汇总自肽段）与肽段级两层；PDC 定量表含逐通道 reporter 强度。
- 写方法节要点：写明「TMT11 multiplex、reference channel bridging、批次作为协变量」三要素，审稿人最常查。
39.2 磷酸化蛋白组技术链
- 富集：TiO2/IMAC 亲和富集磷酸肽（往往需较多起始量，与全蛋白组共用 aliquot 体系但独立制备）。
- 位点定位：质谱图谱打分（如 Ascore 类）定位磷酸化位点；位点级置信度影响下游分析。
- 产出矩阵：位点级丰度（site-level），缺失率高于全蛋白组——这是结构性的，不是数据缺陷。
- 下游标准动作：KSEA/PTM-SEA 聚合到激酶活性； motif 分析（Kinase motifs）可作补充。
39.3 完整糖蛋白组技术链
- 对象：完整糖肽（肽段+糖链整体），常配合 HCD/ETD 双碎裂模式兼顾肽段骨架与糖链信息。
- 产出结构：peptide-site-glycan 三元组定量表，比普通蛋白组多一个 glycan 维度。
- 口径：PDC000272 分册 166 cases/250 aliquots，8 个 disqualified aliquots 公开剔除。
- 分析建议：先做 glycan 类别分布总览（高甘露糖/复杂型/岩藻糖基化/唾液酸化），再做位点级与通路关联。
39.4 DIA 技术链
- 原理：非依赖采集按预设窗口轮询碎裂全部离子，谱图库（library-based）或库自由（library-free）解析。
- 角色：与 TMT（DDA 型）形成技术互补；一致蛋白的高相关是稳健性证据。
- 复现工具：Spectronaut/DIA-NN 类工具可从 PDC000341 的 Open Standard 数据重跑部分分析。
39.5 基因组平台规范
- WGS/WES：WashU 产线；体细胞突变经 CPTAC 统一 calling pipeline（含人工审读级质控）。
- EPIC 甲基化：约 85 万 CpG；β 值/M 值两种口径，建模建议 M 值。
- RNA-seq/miRNA-seq：标准化定量（TPM/counts 双提供为常态），上游比对定量细节见 GDC 文件说明。
39.6 影像技术规范
- CT 参数异质性：多中心标准诊疗扫描 → 扫描仪/层厚/增强相期异质；radiomics 前先做重采样与灰度离散化（如 32 bin）。
- 分割来源：NCI 生成 3D 分割 + seed points——使用前抽检数例目视核对（NCI 资产质量高，但抽检是必备工序）。
- 病理 SVS：Aperio 扫描；patch 级处理时注意背景剔除与组织检测（Otsu/阈值族）。
§40 质量与稳健性自检清单（交付前 15 条）
- [ ] 批次变量进入所有跨批统计模型。
- [ ] 差异分析含 cellularity 协变量（敏感性分析）。
- [ ] NMF 复现与 Table S7 计算 ARI 并报告。
- [ ] 磷酸化分析未做均值填补；缺失策略已记录。
- [ ] 激酶活性结果与 PAK4/MAPK 锚点方向一致。
- [ ] 糖蛋白组统计已剔除 8 个 disqualified aliquots。
- [ ] 分册口径标注 study ID（166 vs 140 不混写）。
- [ ] 影像分析先做 case 交集（≤110）。
- [ ] 影像只用术前相对天数子集做预测。
- [ ] 绝对日期未参与任何计算。
- [ ] germline 数据仅在 dbGaP 获批范围内使用。
- [ ] radiomics 特征做过重采样一致性（ICC）筛选。
- [ ] 部位（胰头主导）作为分层/协变量检查过。
- [ ] 引用含主论文 DOI + 对应 PDC study ID + TCIA DOI。
- [ ] 衍生数据保留 case UUID 主键。
§41 检索引擎优化：这个条目覆盖哪些查询意图
| 查询意图 | 本条目覆盖点 |
|---|---|
| CPTAC PDAC 数据下载 | §6.1 四入口表、§33 命令级指南 |
| 胰腺癌蛋白组学数据集 | 全文；§22 对比定位 |
| PDAC 分子分型数据 | §5.2 NMF/Table S7、§26.1 |
| pancreatic cancer proteomics TMT | §20.1、§39.1 |
| CPTAC-PDA TCIA 影像 | §4.3、§18、§39.6 |
| 72 protein panel pancreatic cancer | §26.5、案例 B |
| PDC000272 / PDC000341 | §17、§25.1 |
| dbGaP phs001287 | §6.1、§33.5 |
| paad_cptac_2021 | §6.2、§28.1 |
| 胰腺癌 多组学 公开数据 | 全文中文语境覆盖 |
| KRAS downstream kinase phosphoproteomics | §26.3、§20.2 |
| PDAC radiomics genomics link | §18.4、案例 A |
§42 给数据管理者：入库级元数据要点
- 名称：CPTAC-PDA（CPTAC Pancreatic Ductal Adenocarcinoma）；别名 CPTAC PDAC。
- 主题分类：蛋白基因组学队列；疾病专属（胰腺导管腺癌）。
- 规模四要素：140/67/9 样本；9 分子平台；影像四元组 110/134/1,133/132,852；病理 168 SVS。
- 许可三句话：处理后质谱开放；基因组两级（dbGaP 受控）；影像公开。
- 主键体系：PDC case UUID 贯穿；TCIA subject ID 经 External References 对齐。
- 版本锚：TCIA V15（2025-02-26）；cBioPortal 快照 paad_cptac_2021。
- 互链记录：cptac(259)/cptac-imaging(527)/cptac-stad(954)/tcga(25,566)。
§43 三种「用错」的真实场景复盘
场景一：把 166 当队列规模写进摘要。
某综述直接引用「CPTAC PDAC 含 166 例患者」——来源是 PDC000272 分册页。正确做法：队列规模引用论文口径 140；分册数字带「Intact Glycoproteome 分册」限定。这是坑 2 最典型的外溢形态。
场景二：端到端 CNN 上 110 例 CT。
某课程项目用 3D ResNet 直接训练影像→亚型分类，样本数不足且未做 case 交集，验证集与训练集存在同患者多检查泄漏。正确做法：先交集、按受试者切分、用 radiomics + 轻模型起步（§27.3）。
场景三：跨批池化找差异蛋白。
某复现把所有 TMT 批数据直接合并做 t 检验，得到一批「差异蛋白」实为批效应标记（参考通道漂移）。正确做法：批次进设计矩阵（坑 8）；其复现失败原因就是缺了 §27.1 的第一步。
三个场景的共同教训：CPTAC 队列的复杂度在「设计」而非「数据量」——设计字段（批次/配对/口径）不进模型，任何下游都会失真。
§44 术语索引（按拼音/字母混排）
Aliquot（样本分装）§16.5 · Cellularity（肿瘤细胞占比）§16.2/20.4 · CNA（拷贝数变异）§28.1 · ComBat（批校正）§16.5/27.1 · DICOM（影像格式）§16.4 · DIA（非依赖采集）§16.2/39.4 · dbGaP（受控基因型库）§16.3 · EPIC array（甲基化芯片）§16.3 · GDC（基因组共享平台）§16.3 · HIPAA（合规依据）§16.5 · IDC（影像云）§16.4 · Intact glycopeptide（完整糖肽）§16.2/39.3 · KSEA（激酶富集）§16.2 · LinkedOmics（关联平台）§16.5 · mzML（谱图标准）§16.2 · NMF（非负矩阵分解）§16.2 · PANOPLY（官方流水线）§16.5 · PDAC（胰腺导管腺癌）§16.1 · PDC（蛋白组数据共享）§16.1 · PDC000270-341（分册号）§17 · Proteogenomics（蛋白基因组学）§16.1 · PTM-SEA（修饰富集）§16.2 · Reference channel（参考通道）§16.2/20.1 · ssGSEA（单样本富集）§16.5 · SVS（病理切片格式）§16.4 · TCGA-PAAD（同疾病基因组队列）§22 · TCIA（影像档案）§16.4 · TMT11（多路标记）§16.2 · WGS/WES（全基因组/外显子组）§16.3 · WSI（全切片图像）§16.4 · 四骑士（KRAS/CDKN2A/SMAD4/TP53）§16.3 · 冷肿瘤（免疫抑制表型）§26.4 · 糖蛋白组（糖基化修饰层）§16.2/39.3
§45 分平台数据流到模型输入的映射表
| 目标模型输入 | 推荐数据源 | 预处理链 | 产出形态 |
|---|---|---|---|
| 蛋白特征向量 | cBioPortal protein Z-score TSV | 缺失过滤（>30% 剔行）→ 按蛋白 Z 已就绪 | n×p 矩阵（p=蛋白数） |
| 磷酸化特征 | PDC000271 位点矩阵 | 缺失右删失 → KSEA 聚合 | n×激酶 活性矩阵 |
| 糖型特征 | PDC000272 三元组表 | 按糖型聚合 → log2 | n×糖型 矩阵 |
| 突变特征 | GDC MAF / cBioPortal mutations | 0/1 编码高频基因 | n×基因 二值矩阵 |
| 甲基化特征 | EPIC idat / GDC M 值 | DMP 筛选或区域聚合 | n×CpG/区域 |
| RNA 特征 | GDC counts → TPM | log2(TPM+1) → 通路评分 | n×通路 |
| CT 影像特征 | TCIA DICOM+分割 | 重采样 → PyRadiomics | n×~100 特征 |
| 病理特征 | 168 SVS | 基础模型冻结特征 → 聚合（mean/top-k pooling） | n×d 嵌入 |
| 临床向量 | cBioPortal 临床 TSV | NA 策略（§坑4） | n×字段 |
映射表用法：确定下游模型后从「目标模型输入」行起步，沿预处理链执行；每一格都有对应的坑点编号或章节锚，出问题时回查。
§46 亚型研究扩展：从 NMF 到下游建模的三层设计
46.1 第一层：亚型的稳定性
- 重采样共识聚类（80% 子采样 × 500 次），报告共识矩阵与 cophenetic 系数。
- 与 Table S7 的 ARI 作为「复现度」主指标。
- 检查亚型在批次间的分布均衡性——若某亚型集中在个别批次，警惕「批效应亚型」。
46.2 第二层：亚型的多组学解释
- 逐亚型做差异蛋白/磷酸化/通路富集，输出「亚型标志物集」。
- 用 ssGSEA 把亚型翻译成可解释的通路签名（代谢/免疫/基质）。
- 检查亚型与 cellularity 的关联——部分「亚型差异」可能被纯度混杂解释（§20.4）。
46.3 第三层：亚型的可预测性
- 单模态基线：RNA/影像/病理各自预测亚型。
- 多模态融合：早融合（特征拼接）vs 晚融合（概率平均），小样本下早融合常更稳。
- 报告规范：按受试者切分 train/test、AUC + 置信区间、部位分层表现。
§47 影像-分子桥接的统计细节补充
- 多重比较：100 维 radiomics × 多个分子终点 → 特征筛选层级（ICC → 单变量 FDR → 嵌入式）控制族错误率。
- 共线性：radiomics 特征间高度相关，LASSO/弹性网优于普通回归；报告非零特征稳定性（bootstrap 频率）。
- 效应量报告：不仅报 AUC，报告按亚型的特征分布差异（效应量 Cliff’s delta 或标准化均值差）。
- 外部效度线索：论文报道的影像-组学关联（若有对应文献）方向一致即为加分；本队列内 5 折 CV 是底线，留一受试者（LOSO）更稳。
- 数据泄漏自查：同一受试者的多检查必须同侧；标准化参数只在训练折内估计。
§48 糖蛋白组课题的三个可行切入点
- 唾液酸化-免疫抑制轴：唾液酸化糖型丰度 vs 免疫冷评分（ssGSEA 免疫细胞特征集）——文献先验支持，本队列糖层可直接检验。
- 糖链分支与肿瘤侵袭表型：复杂型糖链分支度（GnT 活性指标）与 cellularity/分期关联。
- 糖基化 biomarker 联合面板：在 72 蛋白面板基础上加入糖型特征的增量 AUC——「蛋白+糖」双层面板是本队列独有的设计空间。
§49 DIA 分册的三种用法回顾
- 一致性基准（案例 C）：Spearman + 方向一致率，方法学素材。
- 独立验证层：主分析（TMT）的候选 biomarker 在 DIA 层复验，降低假发现率。
- 缺失研究参照：DIA 缺失模式更均匀，与 TMT 缺失对照可支撑缺失机制研究（§21 课题 5）。
§50 收尾清单：发论文/交项目前的最后核对
- 数据版本写清：TCIA V15（2025-02-26）、cBioPortal paad_cptac_2021、PDC 分册访问日期。
- 口径写清：140 队列 vs 166 分册 vs 110 影像。
- 引用三件套：Cell DOI + PDC study IDs + TCIA DOI。
- 受控数据合规声明：dbGaP 申请号与范围。
- 代码与随机种子归档；批次表与 aliquot 剔除表随代码库走。
- 局限性段落至少覆盖：样本量、部位偏斜、临床字段 NA、NAT 口径、影像覆盖不全。
- 对库内 cptac/cptac-imaging/cptac-stad 条目做互链核对（§14）。
§51 病理 WSI 工作流细则（168 例 SVS）
- 读取：OpenSlide 读 SVS；先做组织区域检测（低倍阈值分割）剔除背景。
- patch 化：256×256 @ 20× 等效分辨率，重叠 50%；按组织检测掩码过滤全背景 patch。
- 特征路线 A（冻结特征）：病理基础模型（UNI/Virchow 系）提嵌入 → MIL 聚合（mean/attention pooling）→ 轻头分类。
- 特征路线 B（传统特征）：形态学（腺体密度、核浆比近似）+ 颜色/纹理统计 → 与分子特征相关分析。
- 标签来源：NMF 亚型（Table S7）、cellularity 双路值、通路评分（ssGSEA）——均为切片级弱标签。
- 规模提醒：168 例对深度微调偏小；冻结特征 + 线性头是默认姿势，端到端微调需强正则与留一出验证。
- 质控锚：CPTAC 病理核心已审查切片质量；仍建议目视抽查 5-10 例扫描伪影（折叠、模糊）。
§52 影像 3D 分割资产的使用细则
- 格式与挂载：分割随 DICOM（RTSS/SEG 对象或掩码序列）分发；pydicom/SimpleITK 解析后与 CT 序列做几何对齐（原点/间距校验）。
- seed points 用途：交互式分割工具的种子（3D Slicer 直接可用），也可作弱监督训练的空间提示。
- 病灶范围：分割以胰腺/病变区为核心；提取 radiomics 时严格限制在掩码内（first-order + shape + GLCM 族）。
- 多检查注意：134 检查中同一受试者可能有多时相——按 (0012,0050) 相对天数选相期；增强相（门脉期）通常是纹理信息最丰富的一相。
- 重采样：层厚异质 → 各向同性重采样（如 1mm³）后再提特征，保证特征可比。
§53 多组学整合方法选型
| 方法 | 类型 | 适用 | 提示 |
|---|---|---|---|
| MOFA+ | 因子模型 | 跨层共结构发现 | 需对齐 case；样本 140 可跑 |
| iClusterPlus | 联合聚类 | 多平台分型 | 计算量大，先特征筛 |
| DIABLO(mixOmics) | 监督整合 | 预测亚型 | 小样本防过拟合，ncomp 低配 |
| 相似性网络融合（SNF） | 图融合 | 无监督亚型 | 对输入标准化敏感 |
| 简单拼接+LASSO | 基线 | 万金油 | 总是先跑它当对照 |
| 通路级聚合后整合 | 降维 | 最稳健 | ssGSEA 评分矩阵做整合 |
选型建议：从「通路级聚合 + 拼接 LASSO」基线起步，再视结果决定是否上因子模型；140 例样本量下，简单方法的置信区间往往不输复杂模型。
§54 本条目写作口径与存照对照（给复核者）
| 正文数字 | 出处 | 口径备注 |
|---|---|---|
| 140/67/9 | Cell 2021 摘要 | 队列规模（肿瘤/NAT/正常导管） |
| 166 cases/250 aliquots | PDC000272 页 | 糖蛋白组分册口径 |
| 8 disqualified | PDC000272 页 | aliquot 级剔除 |
| 男74/女66；Head103/Tail14/Body14；Race NA107 | cBioPortal paad_cptac_2021 | 去标识临床字段 |
| 110/134/1,133/132,852（67.24GB） | TCIA CPTAC-PDA 集合页（V15） | 放射 DICOM 四元组 |
| 168 SVS（88GB） | TCIA 集合页 | 病理切片数 |
| DOI/PMID/phs001287/study id | Cell/PDC/dbGaP/cBioPortal | 标识符 |
复核路径：每个数字行都可直接点击对应平台页面重查；本表与 FACTS.md §9 存照一致。
§55 与 cptac 系列条目的分工细则（消歧专节）
库内读者常在 cptac、cptac-imaging、cptac-pda、cptac-stad 四个条目间迷路，本节给出一句话消歧与检索路由：
- cptac（rid 259）：查 CPTAC 是谁、TMT 方法论、联盟治理、全癌种队列总表——到这里为止。
- cptac-imaging（rid 527）：查 CPTAC 影像集合有哪些癌种、TCIA 门户入口——影像维索引层。
- cptac-pda（本条目）：查胰腺癌这一种疾病的任务级细节——九平台、四分册、影像-病理配对、下游任务设计、实操命令。任何「CPTAC 胰腺」的疾病级检索以本条目为终点。
- cptac-stad（rid 954）：查胃癌 STAD 队列——与本条目方法学平行，不做疾病间混引。
独立性三声明：
- 本条目不是 cptac 的子章节复制：cptac 只保留 PDA 一行队列级元数据，全部任务化内容（分册结构、aliquot 口径、影像四元组、坑点体系、案例走查）仅在本条目展开。
- 本条目不是 cptac-imaging 的疾病切片复制：cptac-imaging 的 PDA 行只给影像集合入口，本条目影像节给的是「影像+分子配对」的任务化用法（§18.4、案例 A）。
- 本条目与 cptac-stad 无内容重叠：两队列同方法不同疾病，互引仅为方法学对照。
若发现库内其他条目与本条目出现同句重复，以「疾病专属细节归本条目、计划与方法归 cptac、影像索引归 cptac-imaging」为仲裁规则。
本条目附录 C：PDC 分册与影像版本的最新复核指引——修订本条目时先查 PDC 检索页「CPTAC PDAC」与 TCIA 集合页版本历史，两处若有规模变化，按 §54 口径表逐行更新并同步 FACTS.md 存照。
§56 生存分析与临床终点实操补充
- 终点选择：cBioPortal 临床表提供总生存（OS）；分期、部位作协变量。无疾病特异性生存字段时，注明终点口径。
- 单变量基线：亚型（Table S7）→ KM 曲线 + log-rank；效应量报 HR（Cox）与 95% CI。
- 多变量调整：年龄（若有）、分期、部位、cellularity 进 Cox；样本 140 例时协变量数控制在 3-5 个（EPV 原则）。
- 蛋白连续变量：逐蛋白 Cox 扫描（FDR 控制）→ 热图展示高危蛋白集；与 KSEA 激酶活性联合解读。
- 影像终点：110 例子集内做「影像特征 → 生存」的探索性 Cox，一律标注为 hypothesis-generating。
- 报告底线：n、事件数、删失说明、比例风险检验（Schoenfeld 残差）四件套缺一不可。
§57 从本队列出发的可发表课题清单（按可行性排序）
- 72 蛋白面板压缩与交叉验证（案例 B 扩展）：数据全开放、锚点明确、周期 2-4 周，最适合作为首个课题。
- 影像-亚型桥接（案例 A）：分割就绪、交集就绪，周期 1-2 月；发影像组学应用类论文。
- DIA vs TMT 一致性基准（案例 C）：方法学短文素材，周期 2-3 周。
- 糖基化-免疫微环境关联（§48.1）：与冷肿瘤叙事衔接，周期 1-2 月。
- 跨队列亚型迁移（§21 课题 1）：需 cptac-stad 平行处理，周期 2-3 月；发整合分析类论文。
- 多模态生存特征对比赛（§21 课题 4）：本队列独家可行性，周期 2-3 月；工作量最大但增量价值最高。
每条课题的「数据就绪度」都接近 100%——全部输入均在公开/可申请范围内，无私有依赖。
§58 给审稿人/复核人的核对提问模板
- 差异分析是否声明批次与 cellularity 处理？
- 分型是否对照 Table S7 报告 ARI？
- 影像-分子分析是否按受试者切分并做了 case 交集？
- 队列规模引用是否区分 140/166/110 三个口径？
- 受控数据（dbGaP）使用是否在获批范围内？
- 亚型/面板结论是否保持 candidate/research 措辞？
- 磷酸化分析缺失策略是否记录且未用均值填补？
- 引用是否含 DOI + study ID + TCIA DOI 三件套？
§59 与 AI-Ready 生态的适配性评估
- 向量化/检索友好：cBioPortal TSV 矩阵可直接向量化为特征表；术语表（§16）与字段字典（§28）支撑元数据检索。
- LLM 问答友好：本条目 FAQ（§30 五十问）与决策树（§29）可直接转为检索增强（RAG）的知识切片。
- 可复现脚本友好：PDC/GDC/TCIA 均有 API（§33），适合生成自动化数据管道。
- 许可对 AI 训练的约束：处理后质谱开放可用；dbGaP 受控数据不得进入任何公开训练集；TCIA 影像公开但应保留溯源标识。
§60 全文要点回顾（二十条）
- CPTAC-PDA = NCI CPTAC 联盟 PDAC 蛋白基因组学队列。
- 140 肿瘤 + 67 NAT + 9 正常胰管。
- 九平台：WGS/WES/EPIC/RNA-seq/miRNA-seq/TMT 蛋白组/磷酸化/糖蛋白组/DIA。
- 主论文 Cell 2021（DOI 10.1016/j.cell.2021.08.023）。
- 四分册：PDC000270/271/272/341。
- 影像：TCIA 110/134/1,133/132,852 + 3D 分割（V15）。
- 病理：168 例 SVS。
- 四入口：PDC/GDC+dbGaP/TCIA+IDC/cBioPortal+LinkedOmics。
- 处理后开放、原始受控、基因型 dbGaP 受控。
- 核心发现：NMF 亚型、cellularity 正交、KRAS 下游激酶、冷肿瘤-糖酵解、72 蛋白面板。
- 无官方榜单；基线=论文图表+PANOPLY。
- 八大坑：原始质谱、分册口径、影像配对、临床 NA、日期偏移、dbGaP 权限、扩展分册、TMT 批次。
- DAIMS 五维综合接近满分的国家级队列标杆。
- 最短上手：cBioPortal 矩阵 + Table S7。
- 影像-分子必做 case 交集（≤110）。
- 批校正与参考通道是统计设计核心。
- 与 cptac(259)/cptac-imaging(527)/cptac-stad(954) 分工互补、独立成条。
- 疾病级检索以本条目为终点（§55 消歧）。
- 12 条可发表课题全部数据就绪（§57）。
- 修订锚：TCIA 版本历史 + PDC 分册检索（§32）。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- cptac-stad — 共享标签：基因组学与多组学 / 蛋白质组学 / 医学影像 / CT / 病理图像 / 肿瘤学
- human-protein-atlas — 共享标签：基因组学与多组学 / 蛋白质组学 / 医学影像 / 病理图像
- icgc — 共享标签：基因组学与多组学 / 医学影像 / 病理图像 / 肿瘤学
- iedb — 共享标签：基因组学与多组学 / 蛋白质组学 / 肿瘤学
- human-cell-atlas — 共享标签：基因组学与多组学 / 医学影像 / 病理图像 / 肿瘤学
- upenn-gbm — 共享标签：基因组学与多组学 / 医学影像 / 病理图像 / 肿瘤学
- hubmap — 共享标签：基因组学与多组学 / 医学影像 / 病理图像 / 肿瘤学
- cptac-imaging — 共享标签：医学影像 / CT / 病理图像 / 肿瘤学
- cptac — 共享标签：基因组学与多组学 / 蛋白质组学 / 肿瘤学
- gdsc — 共享标签：基因组学与多组学 / 医学影像 / 病理图像 / 肿瘤学
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
