PXD000157：U2OS全细胞裂解液蛋白质组分析

数据集获取

源站：https://ebi.ac.uk/pride/archive/projects/PXD000157

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

对正常生长的U2OS细胞裂解液中获得的18个OGE组分进行LC-MS分析。生物过程的数学模型构建、这些过程在不同条件下的模拟，以及多个数据集的比较与整合，是系统生物学的明确目标，而这些目标需要了解系统组分的绝对数量。迄今为止，对细胞蛋白质浓度的系统性估计极为稀少。在此，我们提供了对一种常用人类细胞系在两种功能状态——间期和有丝分裂期——蛋白质组的定量描述。我们表明，这些人类培养细胞至少表达10000种蛋白质，且所定量的蛋白质跨越七个数量级的浓度范围，最高达每细胞20000000个拷贝。我们讨论了蛋白质丰度如何与功能和进化相关联。

关于所采用的生物信息学流程：获取的原始文件使用MassMatrix质谱数据文件转换工具（版本3.9，http://www.massmatrix.org）转换为centroid mxxml和mgf格式，并使用MASCOT（版本2.4）针对从UniProt/SwissProt数据库（2012年5月16日下载）提取的人类预测蛋白质组诱饵数据库进行搜索，该数据库包含了角蛋白/胰蛋白酶等已知污染物。搜索参数设置如下：要求完全胰蛋白酶特异性（在赖氨酸或精氨酸残基后切割）；允许3个漏切位点；将羧amidomethyl化（C）设为固定修饰；氧化（M）设为可变修饰。前体离子的质量容差设为15 ppm，碎片离子的质量容差设为0.5 Da。

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。