区分银屑病关节炎与类风湿关节炎的血清蛋白生物标志物鉴定与评估
该数据集来自 search.dataone.org,主题为蛋白质组学,属于肌肉骨骼系统疾病/其他分类。数据围绕早期炎症性关节炎患者,采用液相色谱串联质谱(LC-MS/MS)、Luminex 多重抗体检测和 SOMAscan 适配体检测分析血清蛋白质组,并开发多反应监测方法评估候选标志物在发现队列与独

基本信息
资源简介
区分银屑病关节炎与类风湿关节炎的血清蛋白生物标志物鉴定与评估
Identification and evaluation of serum protein biomarkers which differentiate psoriatic from rheumatoid arthritis
该数据集来自 search.dataone.org,主题为蛋白质组学,属于肌肉骨骼系统疾病/其他分类。数据围绕早期炎症性关节炎患者,采用液相色谱串联质谱(LC-MS/MS)、Luminex 多重抗体检测和 SOMAscan 适配体检测分析血清蛋白质组,并开发多反应监测方法评估候选标志物在发现队列与独立队列中的表现。数据可用于区分银屑病关节炎与类风湿关节炎的血清蛋白标志物识别与性能评估,支撑早期干预相关研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):目的:识别可能将早期炎症性关节炎(EIA)患者中的银屑病关节炎(PsA)患者与类风湿关节炎(RA)患者区分开的血清蛋白生物标志物,并可能用于支持适当的早期干预。方法:使用液相色谱串联质谱(LC-MS/MS)(n=64 例患者)、针对 48 种蛋白的多重抗体检测(Luminex)(n=64 例患者)以及靶向 1,129 种蛋白的基于适配体的检测(SOMAscan)(n=36 例患者)对 PsA 和 RA 患者的血清蛋白质组进行检测。开发了多反应监测检测方法,以在发现队列(n=60)以及 PsA 和 RA 患者的独立队列(n=167)中评估候选标志物的性能。结果:对蛋白质发现数据的多变量分析显示,有可能以曲线下面积(AUC)o 区分 PsA 与 RA 患者
【主题与分类】
主题标签:Proteomics。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A5d828f7a18c5b0ef77de61d3f6f741a52185d78278781ebb81f52d6671b9efaa
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
目的 识别可能将银屑病关节炎(PsA)的早期炎症性关节炎(EIA)患者与类风湿关节炎(RA)患者区分开的血清蛋白生物标志物,并可能用于支持适当的早期干预。方法 使用液相色谱质谱法(LC-MS/MS)(n=64例患者)、针对48种蛋白的多重抗体检测(Luminex)(n=64例患者)以及靶向1,129种蛋白的基于适配体的检测(SOMAscan)(n=36例患者)对PsA和RA患者的血清蛋白质组进行检测。开发了多反应监测检测方法,以评估候选标志物在发现队列(n=60)以及独立的PsA和RA患者队列(n=167)中的性能。结果 对蛋白质发现数据的多变量分析显示,有可能区分PsA与RA患者,nLCMS/MS的曲线下面积(AUC)为0.94,基于Luminex的测量为0.69;SOMAscan分析为0.73……
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。




