深度视觉蛋白质组学关联血管平滑肌细胞表型与动脉粥样硬化斑块稳定性数据

资源简介

深度视觉蛋白质组学关联血管平滑肌细胞表型与动脉粥样硬化斑块稳定性数据

该数据集围绕血管平滑肌细胞（VSMCs）在动脉粥样硬化中的表型转换问题，采用深度视觉蛋白质组学（DVP）方法，对来自24个人类颈动脉斑块的500多个VSMC邻域进行了空间与蛋白质层面的解析，并构建了体外参考图谱以支撑组织蛋白质组的功能解读。研究进一步整合组织与参考蛋白质组，建立深度学习框架为每个邻域赋予功能表型，揭示了斑块内空间上各异的表型分布以及不稳定斑块向去分化状态偏移的趋势，并通过敲低四个候选分子（TNC、TNFAIP2、AEBP1、PLK1）进行了验证。该数据集属于心血管系统疾病／颈动脉疾病方向，来源于ebi.ac.uk，适合用于研究VSMC可塑性、斑块稳定性相关的空间蛋白质组分析。

【数据集背景】

血管平滑肌细胞通过表型转换驱动动脉粥样硬化的发生发展，但其在斑块内部的空间组织方式与蛋白质特征此前仍表征不足。为在疾病背景下刻画VSMC的可塑性，研究者将深度视觉蛋白质组学应用于人类颈动脉斑块样本，试图在保留空间信息的前提下解析VSMC邻域的蛋白质组特征，并将这些组织来源的蛋白质组与体外可控表型体系相衔接，从而对斑块内不同区域细胞所处的功能状态作出可解释的判定。

【数据内容】

数据集的核心内容包含两个层面。其一是组织层面的空间蛋白质组数据：对来自24个人类颈动脉斑块的500多个VSMC邻域进行了剖析，形成可反映斑块内空间异质性的VSMC蛋白质组图谱。其二是参考层面的细胞图谱：构建了原代VSMC向五种表型（分别由TGF-β、PDGF-BB、成骨诱导混合物、IL-1β或胆固醇驱动）定向诱导的参考图谱，并对其中的10,000多种蛋白质进行了定量。在此基础上，研究通过深度学习框架将组织蛋白质组与参考蛋白质组整合，为每个VSMC邻域分配功能表型，从而得到空间上可区分、且与斑块稳定性相关的表型分布结果。

【采集与来源】

数据来源于ebi.ac.uk，源站标题为“Deep Visual Proteomics links vascular smooth muscle cell phenotypes to atherosclerotic plaque stability”，数据集英文名称为“Data from: Deep Visual Proteomics links vascular smooth muscle cell phenotypes to atherosclerotic plaque stability”。样本为人类颈动脉斑块，共24例；组织分析对象为斑块内500多个VSMC邻域。参考图谱基于原代VSMC在五种驱动条件下（TGF-β、PDGF-BB、成骨诱导混合物、IL-1β、胆固醇）的表型构建。其余采集时间、样本纳入标准、伦理审批及具体仪器参数等信息，源站未提供。

【适用场景】

该数据集适用于动脉粥样硬化与颈动脉疾病相关的空间蛋白质组研究，尤其是关注VSMC表型转换、斑块内细胞状态空间分布以及斑块稳定性机制的分析。其参考图谱可用于对组织来源蛋白质组进行功能表型注释；深度学习整合框架的思路可用于将体外表型参考映射到原位组织邻域。此外，研究中对TNC、TNFAIP2、AEBP1、PLK1四个候选分子的敲低验证结果，可为后续候选分子筛选与功能验证提供对照与线索。具体分析流程的复用条件与适用范围，源站未提供。

【使用方法】

使用时可分别访问组织VSMC邻域蛋白质组与五种表型参考图谱两个部分，并借助研究中建立的深度学习框架完成组织与参考蛋白质组的整合及邻域功能表型分配。对于关注特定候选分子的分析，可参考TNC、TNFAIP2、AEBP1、PLK1的敲低验证结果作为背景信息。数据的具体文件组织、格式说明、预处理步骤与运行参数，源站未提供。

【质量与限制】

该数据集覆盖24个人类颈动脉斑块与500多个VSMC邻域，参考图谱定量蛋白质超过10,000种，具备较好的空间与蛋白覆盖广度。其局限相关信息，如样本量对人群代表性的约束、批次效应评估、缺失值处理及验证实验的完整细节，源站未提供。

【引用与许可】

源站标题与数据集英文名称已给出，引用时应以此为准。许可类型、使用条款及正式引用格式，源站未提供。