PXD003613:血小板全面蛋白质组分析鉴定可预测抗血小板药物沙格雷酯反应的蛋白质谱

该数据集来自 EBI,对 18 名健康受试者服用沙格雷酯前后的血小板进行全面的蛋白质组分析。每个受试者在给药前后分别分离血小板,以研究沙格雷酯对血小板蛋白质组的改变

pride
2016-09-29 更新
浏览 9
蛋白质预测Platelet proteomesAntiplatelet agentsAnd drug responses.Lc-ms/ms
PXD003613: Comprehensive proteome profiling of platelet identified a protein profile predictive of responses to an antiplatelet agent sarpogrelate.

基本信息

模态
蛋白质
任务类型
预测
创建/更新时间
2016-09-29

资源简介

PXD003613:血小板全面蛋白质组分析鉴定可预测抗血小板药物沙格雷酯反应的蛋白质谱

该数据集来自 EBI,对 18 名健康受试者服用沙格雷酯前后的血小板进行全面的蛋白质组分析。每个受试者在给药前后分别分离血小板,以研究沙格雷酯对血小板蛋白质组的改变。样本制备采用滤膜辅助样本制备(FASP)方法,以提高可溶性和膜蛋白的提取效率,并使用超高压液相色谱-串联质谱(UHPLC-MS/MS)结合广泛分级分离,生成全面的血小板蛋白质组。该数据可用于探索血小板蛋白质组变化,并预测个体对抗血小板药物沙格雷酯的反应(来源 ebi.ac.uk)。

【数据内容】

源站描述(机器翻译,仅供参考):在此,我们对 18 名健康受试者服用沙格雷酯前后采集的血小板进行了全面的蛋白质组分析。对于每个受试者,在给药前分离血小板,然后在给药后再次分离,以研究沙格雷酯对血小板蛋白质组的改变。采用滤膜辅助样本制备(FASP)的样本制备方法,以提高包括可溶性和膜蛋白在内的蛋白质提取效率。此外,使用超高压液相色谱-串联质谱(UHPLC-MS/MS)结合广泛分级分离,生成全面的血小板蛋白质组。

【主题与分类】

主题标签:Platelet proteomes、Antiplatelet agents、And drug responses.、Lc-ms/ms。本站分类:血液与淋巴系统疾病/其他。

【获取与许可】

源站页面:https://ebi.ac.uk/pride/archive/projects/PXD003613

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://ebi.ac.uk/pride/archive/projects/PXD003613

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

在此,我们对18名健康受试者在服用沙格雷酯前后收集的血小板进行了全面的蛋白质组分析。对于每位受试者,分别在给药前和给药后分离血小板,以探究沙格雷酯对血小板蛋白质组的影响。采用滤膜辅助样品制备(FASP)的样品制备方法,以提高包括可溶性和膜蛋白在内的蛋白质提取效率。此外,采用超高压液相色谱-串联质谱(UHPLC-MS/MS)结合广泛的分级分离技术,生成了血小板的全面蛋白质组。

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。

获取专属数据定制方案