人类血小板PRM数据集：高血糖水平与阿司匹林介导的血小板COX-1丝氨酸529乙酰化降低相关：一项初步研究
该数据集来源于omicsdi.org，聚焦内分泌、营养和代谢疾病中的糖尿病方向，主题涉及人类血小板、PRM、糖尿病、阿司匹林乙酰化及血小板
基本信息
资源简介
人类血小板PRM数据集：高血糖水平与阿司匹林介导的血小板COX-1丝氨酸529乙酰化降低相关：一项初步研究
该数据集英文名称为“Human Platelets PRM - A high glucose level is associated with decreased aspirin-mediated acetylation of platelet cyclooxygenase (COX)-1 at serine 529: A pilot study”，来源于omicsdi.org，聚焦内分泌、营养和代谢疾病分类下的糖尿病方向。数据集围绕人类血小板展开，采用靶向平行反应监测质谱（PRM）方法，研究高葡萄糖水平与糖尿病对阿司匹林介导的血小板环氧合酶（COX）-1 乙酰化的相互影响，主题标签涵盖人类、PRM、糖尿病、阿司匹林乙酰化及血小板。整体而言，该数据集属于一项探索性先导研究的数据资源，服务于糖尿病背景下阿司匹林药理学机制的相关分析。
【数据集背景】
该数据集所对应的研究关注高葡萄糖水平与糖尿病对阿司匹林介导的血小板环氧合酶（COX）-1 乙酰化的相互影响。研究采用靶向平行反应监测质谱（PRM）方法，考察血小板 COX-1 在丝氨酸 529 位点上的乙酰化情况，并将其与高葡萄糖水平和糖尿病状态联系起来。数据集标题明确指向“高葡萄糖水平与阿司匹林介导的血小板 COX-1 在丝氨酸 529 位点乙酰化下降相关”这一先导研究主题，属于内分泌、营养和代谢疾病领域中糖尿病方向的研究资源。
【数据内容】
数据集主题涉及人类血小板、PRM、糖尿病、阿司匹林乙酰化及血小板等关键词。其核心内容围绕通过靶向 PRM 质谱方法获得的、与阿司匹林介导的血小板 COX-1 乙酰化相关的检测信息展开，用于支撑高葡萄糖水平与糖尿病对该乙酰化过程相互影响的分析。除上述主题范围外，源站未提供关于具体样本数量、文件格式、字段结构或数据规模的进一步说明。
【采集与来源】
该数据集来源于omicsdi.org。根据源站描述，研究通过靶向平行反应监测质谱（PRM）方法开展，研究对象为人类血小板，目的在于解析高葡萄糖水平和糖尿病对阿司匹林介导的 COX-1 乙酰化的相互影响。除来源站与所用方法外，源站未提供采样地点、时间范围、仪器型号或样本处理流程等更详细的采集信息。
【适用场景】
该数据集适用于糖尿病与内分泌、营养和代谢疾病方向中与血小板功能、阿司匹林乙酰化及 COX-1 修饰相关的研究场景，尤其适合围绕高葡萄糖水平对阿司匹林药理学作用影响开展探索性分析、方法学参考或结果对照。其 PRM 靶向质谱特征也使其可用于蛋白质修饰检测相关的方法讨论。除此之外的具体应用场景，源站未提供。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据下载方式、处理流程、分析工具或参数设置等。
【质量与限制】
该研究在标题中自述为一项先导研究（pilot study），其数据规模与结论外推能力应以先导研究的定位加以理解。除这一研究定位及源站描述所反映的方法信息外，源站未提供关于数据质量评估、缺失值情况、验证程度或使用限制的进一步说明。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://omicsdi.org/dataset/pride/PXD011204
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
本研究的主要目的是通过靶向平行反应监测质谱方法，解析高葡萄糖水平和糖尿病对阿司匹林介导的COX-1乙酰化的相互影响。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
