健康对照与原发性开角型青光眼患者血清蛋白质组数据集
该数据集包含来自健康对照与原发性开角型青光眼（POAG）患者人血清样本的原始及处理后 nano LC–MS/MS 蛋白质组数据
基本信息
资源简介
健康对照与原发性开角型青光眼患者血清蛋白质组数据集
该数据集为血清蛋白质组学数据，来源于健康对照人群与原发性开角型青光眼（POAG）患者的人血清样本，包含原始及处理后的纳升级液相色谱-串联质谱（nano LC–MS/MS）数据。样本按年龄匹配原则合并为三组，以尽量降低年龄相关变异的影响；每个合并样本均独立完成处理、酶解和高分辨质谱分析。该数据集配套一项比较蛋白质组学研究，目的在于识别与青光眼相关的生物标志物及失调通路。数据由Sharma、Pandav与Kumar提供，存放于Zenodo，发布时间为2025年，采用知识共享署名4.0国际许可协议，主题涵盖蛋白质组学、血清、LC-MS/MS、质谱、POAG、青光眼与生物标志物等方向。
【数据集背景】
原发性开角型青光眼是一种以视神经进行性损害为特征的眼科疾病，其早期诊断和疾病机制解析依赖于可靠的分子标志物。血清作为易于获取的体液样本，适合用于寻找可在临床检测中应用的候选生物标志物。该数据集正是围绕健康对照与POAG患者血清样本的比较蛋白质组分析而建立，旨在为青光眼相关生物标志物和失调通路的发现提供原始质谱数据与处理后数据支撑。
【数据内容】
数据集包含从人血清样本获得的原始及处理后nano LC–MS/MS蛋白质组数据。样本分为健康对照组与原发性开角型青光眼患者组，并按年龄匹配方式合并为三个组，以减小年龄相关变异对比较分析的影响。每个合并样本均经过独立处理、酶解，并采用高分辨率质谱独立分析。数据主题涉及蛋白质组学、血清、液相色谱-串联质谱、质谱、POAG、青光眼及生物标志物等。
【采集与来源】
样本来自健康对照与POAG患者的人血清。为控制年龄因素带来的变异，样本按年龄匹配合并为三组。每个合并样本分别进行样品处理、酶解和高分辨质谱分析，质谱平台为纳升级液相色谱-串联质谱。数据来源站为doi.org，存放机构为Zenodo，作者为SHARMA, Vinayak、Pandav, Surinder与Kumar, Ajay，发布年份为2025年。
【适用场景】
该数据集适用于青光眼相关血清蛋白质组学的比较分析，可用于探索与POAG相关的候选生物标志物及失调通路。其原始数据与处理后数据可支持质谱数据的再分析、方法比较以及生物标志物发现研究。主题标签所涵盖的蛋白质组学、血清、LC-MS/MS、质谱、POAG、青光眼与生物标志物等方向，均属于该数据的潜在应用范围。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
使用该数据集时应遵循Creative Commons Attribution 4.0 International许可协议，并引用作者SHARMA, Vinayak、Pandav, Surinder与Kumar, Ajay发布的数据集。数据存放于Zenodo，发布年份为2025年。
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://doi.org/10.5281/zenodo.17786080
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:
数据集大小约 5.15 GB。
数据说明
该数据集包含从健康对照者和原发性开角型青光眼（POAG）患者的人血清样本中获得的原始及处理后的纳升液相色谱-串联质谱（nano LC–MS/MS）蛋白质组学数据。样本按年龄匹配分为三组混合，以尽量减少年龄相关变异。每个混合样本均独立进行前处理、酶解，并使用高分辨率质谱进行分析。该数据集配合一项比较蛋白质组学分析，旨在识别青光眼相关生物标志物及失调通路。
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。
