PXD008787：使用RawQuant高效解析与定量原生质谱文件

数据集获取

源站：https://ebi.ac.uk/pride/archive/projects/PXD008787

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

通过质谱（MS）仪器对蛋白质样品进行有效分析，需要仔细选择和优化一系列实验参数。作为主要检测设备的输出结果，“原始”MS数据文件可用于评估给定样品分析的成功与否。然而，标准原始MS文件的闭源性质可能使有效解析其中包含的数据变得复杂。为克服这一挑战，开发了RawQuant工具，使其能够解析原始MS文件，以可公开读取的文本格式生成元数据和扫描数据。RawQuant可通过命令导出用户友好的文件，其中包含MS1、MS2和MS3元数据，以及基于同量异位标记方法的定量值矩阵。在本研究中，通过在一系列场景中的组合应用来展示RawQuant：1. 重新分析旨在鉴定人类蛋白质组的鸟枪法蛋白质组学数据；2. 重新分析利用同量异位标记进行全蛋白质组定量的实验；3. 分析一种新型细菌蛋白质组与合成肽混合物，以评估使用同量异位标记时的定量准确性。这些分析共同成功证明，RawQuant可用于对一系列常见蛋白质组学实验中所采集原始MS文件的数据进行高效解析和定量。此外，使用RawQuant进行的各项分析凸显了不同实验组中的参数考量，并提出了可针对性改进的方面，以提高以鉴定为重点的研究中的覆盖深度，以及使用同量异位标记时的定量准确性。

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。