Micro-Flow LC-IMS-MS高分辨率解复用脂质组学数据

数据集获取

源站：https://doi.org/10.5281/zenodo.21242702

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

该数据集包含使用微流液相色谱-离子迁移谱-质谱（microLC-IMS-MS）平台获取的非靶向脂质组学数据，该平台整合了高分辨率解复用（HRdm）技术。本研究将该方法与常规UPLC-IMS-MS进行基准比较，证明其在灵敏度、信噪比和脂质注释覆盖率方面均有提升。数据集包括以下分析：NIST SRM 1950人血浆参考物质；培养的人Müller胶质细胞（MIO-M1），细胞数量低至10³个；青光眼患者与对照组的玻璃体液样本。所有数据文件均对应于在本研究所述条件下进行的数据依赖性采集（DDA）LC-IM-MS/MS实验。文件命名系统性地反映了以下信息：采集类型（DDA）；重复编号（迭代采集）；样本类型（NIST_1950、MIO-M1、玻璃体液）；具体实验条件（如细胞稀释水平）。迭代采集：对于每个样本和条件，进行了三次独立的迭代采集以最大化注释。重复样本以数字标注：1、2、3。

细胞培养样本（低细胞数）对于涉及低细胞数（10³个细胞）的实验，通过进行独立的制备重复来控制样品制备带来的额外变异性。这些重复使用字母标识符标记：A、B、C。

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。