儿童脑癌主要组织学类型的整合蛋白质基因组学特征

数据集获取

源站：https://omicsdi.org/dataset/massive/MSV000086810

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

Francesca Petralia, Nicole Tignor, Boris Reva, 等人，(2020) Cell 183, 1962-1985 我们报告了一项综合蛋白质基因组学分析，涵盖全基因组测序、RNA测序以及蛋白质组学和磷酸蛋白质组学特征分析，涉及218例儿童脑肿瘤，跨越7种组织学类型：低级别胶质瘤（n=93）、室管膜瘤（32）、高级别胶质瘤（25）、髓母细胞瘤（22）、神经节胶质瘤（18）、颅咽管瘤（16）和非典型畸胎样横纹肌样瘤（12）。蛋白质组学数据揭示了跨越组织学界限的共同生物学主题，提示用于一种组织学类型的治疗方法可能有效应用于具有相似蛋白质组学特征的其他肿瘤。免疫微环境特征分析揭示了不同诊断之间及同一诊断内部肿瘤微环境的多样性。蛋白质组学数据进一步揭示了体细胞突变和拷贝数变异（CNVs）的功能效应，这些在转录组学数据中并不明显。激酶-底物关联和共表达网络分析确定了肿瘤发生的重要生物学机制。

这是首个跨越传统组织学界限的大规模蛋白质基因组学分析，旨在揭示儿童脑肿瘤的基础生物学特征，并为合理的治疗选择提供依据。儿童脑肿瘤网络（CBTN）和太平洋儿童神经肿瘤联盟（PNOC）是致力于为儿童脑肿瘤患者寻找治疗方法的合作研究联盟（https://cbttc.org）。这些联盟贡献了一个儿童脑肿瘤图谱（PBTA）数据集，包含991名脑肿瘤受试者的临床数据队列，以及由Gabriella Miller Kids First数据资源（kidsfirstdrc.org）托管的关联全基因组测序和RNA测序数据，作为Gabriella Miller Kids First儿童研究计划（Kids First）的一部分。Kids First是一项泛NIH共同基金计划，致力于开发大规模数据资源，帮助研究人员揭示儿童癌症生物学的新见解。

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。