糖尿病周围神经病变坐骨神经蛋白质组学特征
该数据集包含糖尿病周围神经病变背景下坐骨神经组织的蛋白质组学数据，数据模态为蛋白质表达谱，通过质谱技术获取，主要用于研究糖尿病神经病变的分子机制、识别生物标志物和探索治疗靶点，为生物医学和神经科学领域的相关研究提供支持。
基本信息
资源简介
糖尿病周围神经病变坐骨神经蛋白质组学特征
【一句话概览】
该数据集题为“糖尿病周围神经病变坐骨神经的蛋白质组学特征”，基于质谱的蛋白质组学技术可同时精确鉴定和定量复杂生物样本中的全部蛋白质，通过识别差异表达蛋白，为全面探索多种疾病的分子机制提供途径，这些蛋白可能在疾病发生和进展中起关键作用。数据集含7个文件，标签包括Proteomics characteristics、Mus musculus和10090（来源 iProX）。
【数据集背景】
本数据集源站标题为《Proteomics characteristics of sciatic nerves in diabetic peripheral neuropathy》。
【数据内容】
源站原始描述：Mass spectrometry (MS)-based proteomics technology enables to analyze complex biological samples through the precise identification and quantification of all proteins, simultaneously. This technique offers an approach to comprehensively explore the molecular mechanism of various diseases by identifying differentially expressed proteins (DEPs) that may play key roles in the pathogenesis and progression of diseases
中文译文（机器翻译，仅供快速理解，请以原文为准）：基于质谱（MS）的蛋白质组学技术能够同时精确鉴定和定量所有蛋白质，从而分析复杂的生物样本。该技术通过鉴定可能在疾病发病机制和进展中发挥关键作用的差异表达蛋白（DEPs），为全面探究多种疾病的分子机制提供了一种途径。
【数据结构与技术规格】
文件数 7 个。
【主题与分类】
主题标签：Proteomics characteristics、Mus musculus、10090。
【获取与许可】
源站页面：https://www.iprox.cn/page/project.html?id=IPX0012011000
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://www.iprox.cn/page/project.html?id=IPX0012011000
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
该数据集是一个公开的蛋白质组学数据资源，聚焦于糖尿病周围神经病变（DPN）的病理机制研究。数据集包含来自糖尿病周围神经病变模型（或相关临床样本）的坐骨神经组织的蛋白质组学数据，通过质谱等蛋白质组学技术获取。数据来源于整合蛋白质组资源（iProX）平台，由河北医科大学等研究机构提供。该数据集主要用于探索糖尿病神经病变的分子标志物、病理通路及潜在治疗靶点，支持生物医学、代谢疾病和神经科学领域的研究。
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。
