伯克霍尔德菌糖蛋白组与蛋白质组分析揭示FliF和MotB糖基化对运动性非必需-FAIMS稳定期
该数据集来自omicsdi.org,属于感染/感染性疾病分类,围绕Burkholderia cenocepacia的O-连接蛋白糖基化展开

基本信息
资源简介
伯克霍尔德菌糖蛋白组与蛋白质组分析揭示FliF和MotB糖基化对运动性非必需-FAIMS稳定期
该数据集来自omicsdi.org,属于感染/感染性疾病分类,围绕Burkholderia cenocepacia的O-连接蛋白糖基化展开。研究在LB、TSB及模拟囊性纤维化痰液的artificial sputum medium中评估糖蛋白组,鉴定出B. cenocepacia K56-2中至少141个糖蛋白,并采用数据非依赖采集进行定量分析,同时涉及FliF和MotB糖基化对运动性非必需的结论。数据可用于糖蛋白鉴定、糖基化位点与功能关联研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):在Burkholderia属中,O-连接蛋白糖基化现已知在通路和糖基化底物水平上高度保守。虽然已证明抑制糖基化对B. cenocepacia的毒力有害,但人们对糖基化在Burkholderia糖蛋白中的作用知之甚少。在本研究中,我们试图加深对B. cenocepacia O-糖蛋白组广度和动态的理解,以鉴定需要糖基化才能发挥功能的糖蛋白。通过评估多种常见培养基(LB、TSB和模拟囊性纤维化痰液样条件的人工痰培养基)中的糖蛋白组,我们证明B. cenocepacia K56-2中至少有141个糖蛋白受到糖基化修饰。利用这一发现,我们使用数据非依赖采集对B. cenocepacia的糖蛋白组进行了定量评估
【主题与分类】
主题标签:Glycosylation、Glycoproteomics、Burkholderia。本站分类:感染/感染性疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD043193
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/PXD043193
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
在伯克霍尔德菌属中,目前已知O-连接蛋白糖基化在通路和糖基化底物层面高度保守。虽然已证明糖基化抑制会损害新洋葱伯克霍尔德菌的毒力,但人们对糖基化在伯克霍尔德菌糖蛋白中的作用知之甚少。在本研究中,我们试图加深对新洋葱伯克霍尔德菌O-糖蛋白质组广度和动态变化的理解,以鉴定需要糖基化才能发挥功能的糖蛋白。通过评估多种常见培养基(LB、TSB以及模拟囊性纤维化痰样条件的人工痰培养基)中的糖蛋白质组,我们证明新洋葱伯克霍尔德菌K56-2中至少有141种糖蛋白发生糖基化。基于这一发现,我们利用数据非依赖采集(DIA)技术,对不同培养基和生长阶段下新洋葱伯克霍尔德菌的糖蛋白质组进行了定量评估,结果显示大多数新洋葱伯克霍尔德菌糖蛋白在所有条件下均有表达。
考察糖基化缺失如何影响糖蛋白质组,结果显示仅有一部分糖蛋白质组(BCAL1086、BCAL2974、BCAL0525、BCAM0505和BCAL0127)似乎受到糖基化缺失的影响。通过比较这些糖蛋白缺失与糖基化缺失菌株的蛋白质组和表型影响,发现BCAL0525缺失(以及程度较轻的BCAL0127缺失)所呈现的蛋白质组效应与糖基化缺失时观察到的效应相似。最后,我们证明BCAL0525第358位丝氨酸上的糖基化缺失会导致运动性丧失,并对鞭毛装置产生蛋白质组层面的影响,这与鞭毛装置稳定性丧失相一致。综合而言,本研究表明BCAL0525的O-连接糖基化在新洋葱伯克霍尔德菌中具有重要功能。
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。




