脑恶性肿瘤患者脑脊液蛋白质组学特征
该数据集来自 omicsdi.org,聚焦脑恶性肿瘤患者的脑脊液蛋白质组学分析。研究采用基于质谱的蛋白质分析流程,检测了251份脑脊液样本,涵盖胶质母细胞瘤、淋巴瘤、脑转移和脑膜疾病四类脑恶性肿瘤患者以及健康个体

基本信息
资源简介
脑恶性肿瘤患者脑脊液蛋白质组学特征
该数据集来自 omicsdi.org,聚焦脑恶性肿瘤患者的脑脊液蛋白质组学分析。研究采用基于质谱的蛋白质分析流程,检测了251份脑脊液样本,涵盖胶质母细胞瘤、淋巴瘤、脑转移和脑膜疾病四类脑恶性肿瘤患者以及健康个体。每个样本平均鉴定出511±121种蛋白质,其中169种蛋白质在四类脑恶性肿瘤中均与对照组相比发生共同失调。胶质母细胞瘤患者的脑脊液分析还识别出两个与肿瘤大小和患者生存相关的蛋白质组聚类。数据可用于脑肿瘤生物标志物发现与分型研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):近年来,通过液体活检进行分子诊断的技术进步有望在无需侵入性手术获取组织的情况下监测脑恶性肿瘤的肿瘤演化和治疗反应。在此,我们实施了一种新的基于质谱的蛋白质分析流程,分析了来自四类脑恶性肿瘤(胶质母细胞瘤、淋巴瘤、脑转移和脑膜疾病)患者以及健康个体的251份脑脊液(CSF)样本。平均而言,我们在每个CSF样本中鉴定出511±121种蛋白质。与对照组相比,169种蛋白质在所有四类脑恶性肿瘤中均发生共同失调。对胶质母细胞瘤患者的CSF分析识别出两个与肿瘤大小和患者生存相关的蛋白质组聚类。通过将CSF数据与匹配的胶质瘤肿瘤组织和原代胶质瘤细胞的蛋白质组分析相结合,我们
【主题与分类】
主题标签:Brain tumor、Glioblastoma、Proteome、Biomarker。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD021984
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/PXD021984
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
近年来,通过液体活检进行分子诊断的技术进步,有望在不需侵入性手术获取组织的情况下,监测脑部恶性肿瘤的演变和治疗反应。在此,我们实施了一种新的基于质谱的蛋白质分析流程,并分析了来自四种脑部恶性肿瘤(胶质母细胞瘤、淋巴瘤、脑转移和脑膜疾病)患者以及健康个体的251份脑脊液(CSF)样本。平均而言,我们每份CSF样本中鉴定出511±121种蛋白质。与对照组相比,四种脑部恶性肿瘤中均有169种蛋白质普遍失调。对胶质母细胞瘤患者的CSF分析确定了两个与肿瘤大小和患者生存相关的蛋白质组簇。通过将CSF数据与匹配的胶质瘤组织及原代胶质瘤细胞的蛋白质组分析相结合,我们确定了胶质母细胞瘤的潜在CSF生物标志物,特别是几丁质酶-3样蛋白1(CHI3L1)和胶质纤维酸性蛋白(GFAP)。结果在一个包含35名胶质母细胞瘤患者的前瞻性队列中得到了验证。
一名脑膜疾病患者对联合药物治疗的反应与蛋白质组特征的复杂变化相关,其中包括检测到潜在的耐药机制。因此,对脑恶性肿瘤患者的脑脊液进行蛋白质组学分析,有望揭示用于诊断和治疗监测的生物标志物。
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。




