产前应激子代大鼠海马磷酸化蛋白质组分析
该数据集来自omicsdi.org,为产前应激(PS)子代大鼠海马的相对定量磷酸化蛋白质组数据,采用LC-MS/MS检测

基本信息
资源简介
产前应激子代大鼠海马磷酸化蛋白质组分析
该数据集来自omicsdi.org,为产前应激(PS)子代大鼠海马的相对定量磷酸化蛋白质组数据,采用LC-MS/MS检测。共鉴定到6,790条磷酸肽、9,817个磷酸化位点和2,978个磷酸蛋白,其中1,760个(59.09%)蛋白具有两个以上磷酸化位点。PS-S子代与CON子代相比,有197条差异磷酸肽,对应100个上调蛋白和44个下调蛋白。数据可用于验证已知抑郁相关通路并发现新通路(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):产前应激(PS)可能导致子代抑郁。本研究采用LC-MS/MS对PS-S和CON子代大鼠海马进行相对定量磷酸化蛋白质组分析,以验证已知通路并识别抑郁症的新领域。共检测到6,790条磷酸肽、9,817个磷酸化位点和2,978个磷酸蛋白。在2,978个磷酸蛋白中,1,760个(59.09%)具有两个以上磷酸化位点,ENSRNOP00000023460蛋白具有超过117个磷酸化位点,每100个氨基酸的修饰位点平均分布为2.97。与CON子代大鼠相比,PS-S子代大鼠有197条不同的磷酸肽,包括140条增加的磷酸肽和57条减少的磷酸肽。这些差异磷酸肽分别对应100个上调和44个下调的磷酸蛋白。GO富集分析t
【主题与分类】
主题标签:Hippocampus、Rat、Lc-ms/ms。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD019117
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/PXD019117
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
产前应激(PS)可能导致子代抑郁。本研究采用LC-MS/MS对PS-S组和CON组子代大鼠海马进行相对定量磷酸化蛋白质组学分析,以验证已知通路并识别抑郁的新领域。共检测到6,790个磷酸肽、9,817个磷酸化位点和2,978个磷酸化蛋白质。在2,978个磷酸化蛋白质中,1,760个(59.09%)具有两个以上磷酸化位点,ENSRNOP00000023460蛋白质具有超过117个磷酸化位点,每100个氨基酸的修饰位点平均分布为2.97个。与CON组子代大鼠相比,PS-S组子代大鼠有197个差异磷酸肽,其中140个磷酸肽增加,57个磷酸肽减少。这些差异磷酸肽分别对应100个上调磷酸化蛋白质和44个下调磷酸化蛋白质。GO富集分析显示,这些差异磷酸化蛋白质在CC类别、MF类别和BP类别的前五个富集条目中共涉及35个不同的磷酸化蛋白质,这些磷酸化蛋白质主要与髓鞘、微管和突触相关蛋白有关。
KEGG通路富集分析的前五个通路涉及许多重要的生物学通路,前五个通路包括安非他命成瘾、胰岛素分泌、库欣综合征和昼夜节律同步信号通路。这前五个通路与九种蛋白相关,包括Adcy9、Apc、Cacna1c、Camk2a、Camk2b、Camk2g、Ctnnd2、Grin2a、Stx1a。需要进一步研究以了解这些通路在PS所致子代大鼠抑郁样行为中的确切作用。
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。




