RPS19缺失HeLa细胞中含RRP12复合物的蛋白质组学分析
该数据集来自omicsdi.org,包含基于质谱的蛋白质组学分析,研究对象为从人HeLa细胞中分离的含RRP12复合物。研究在RPS19缺陷(与Diamond-Blackfan贫血相关的缺陷)背景下分析核糖体生物发生因子RRP12的相互作用组

基本信息
资源简介
RPS19缺失HeLa细胞中含RRP12复合物的蛋白质组学分析
该数据集来自omicsdi.org,包含基于质谱的蛋白质组学分析,研究对象为从人HeLa细胞中分离的含RRP12复合物。研究在RPS19缺陷(与Diamond-Blackfan贫血相关的缺陷)背景下分析核糖体生物发生因子RRP12的相互作用组。复合物从对照和RPS19敲低HeLa细胞(内源表达GFP-RRP12)中纯化,采用Singh等(2021;PMID: 34516797)描述的前核糖体提取和GFP-Trap免疫沉淀方案。对RRP12相关蛋白含量进行定量比较分析(以各样本中RRP12量归一化)显示,RPS19缺失后含SSU-processome核糖体生物发生因子的大型前核糖体复合物积累。该数据可用于研究核糖体组装与核糖体蛋白缺陷。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含对从人HeLa细胞中分离的含RRP12复合物进行的基于质谱的蛋白质组学分析。该研究旨在分析核糖体生物发生因子RRP12在RPS19缺陷(一种与Diamond-Blackfan贫血相关的缺陷)背景下的相互作用组。复合物从对照和RPS19敲低HeLa细胞(内源表达GFP-RRP12)中纯化,采用Singh等(2021;PMID: 34516797)描述的前核糖体提取和GFP-Trap免疫沉淀方案。对RRP12相关蛋白含量进行定量比较分析(以各样本中RRP12量归一化)显示,RPS19缺失后含SSU-processome核糖体生物发生因子(RBFs)的大型前核糖体复合物积累。这些发现的描述以及相关的原始数据分析表见inc
【主题与分类】
主题标签:Ribosome synthesis、Preribosome、Ribosomal protein deficiency、Protein aggregates、Nucleolus。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD077805
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/PXD077805
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
本数据集包含对从人HeLa细胞中分离的含RRP12复合物进行的基于质谱的蛋白质组学分析。该研究旨在分析核糖体生物发生因子RRP12在RPS19缺陷背景下的相互作用组,RPS19缺陷是一种与Diamond-Blackfan贫血相关的缺陷。使用Singh等人(2021;PMID: 34516797)描述的前核糖体提取和GFP-Trap免疫沉淀方案,从对照和RPS19敲低的HeLa细胞(内源性表达GFP-RRP12)中纯化复合物。对RRP12相关蛋白含量的比较定量分析(以每个样品中RRP12的量进行归一化)揭示,在RPS19耗竭后,含有SSU-processome核糖体生物发生因子(RBFs)的大型前核糖体复合物发生积累。这些发现的描述以及相关的原始数据分析表,收录于Gaspar等人(2026)题为“Convergent nuclear proteostasis alterations across ribosomal protein deficiencies”的文章中。
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。




