体内磷酸化蛋白质组学揭示可预测三阴性乳腺癌治疗结局的激酶活性谱

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD008012

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

三阴性乳腺癌（TNBC）缺乏预后和预测标志物。我们采用高通量磷酸化蛋白质组学方法，构建了三阴性乳腺癌的功能分类体系。在训练集（n=34例患者）的复发案例中，发现159个磷酸化位点组成的簇呈上调状态。这一磷酸化谱由11种过度活跃的激酶所驱动。通过质谱到免疫组化的转化步骤，对113例三阴性乳腺癌验证样本进行评估，结果显示6/12种激酶（PRKCE、KIT、PNKP、ERK、CDK6和P70S6K）保持了独立的预后价值。这些激酶将验证集分为两种模式：一种模式（0/6种过度活跃激酶；占29%的患者）与93.5%的治愈率相关；另一种模式（≥1种过度活跃激酶；37种亚型）则与高出9.5倍的复发风险相关。每种激酶模式聚集了不同的突变模式。基于这六种激酶设计的药物方案在体外和体内均显示出协同活性。我们的研究结果揭示了与三阴性乳腺癌相关的新磷酸化位点/激酶，并为三阴性乳腺癌提供了一个现成可用、基于靶点的可操作临床分类系统。

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。