乳腺癌来源细胞外囊泡磷酸化蛋白质组分析揭示疾病特异性磷酸化酶
本数据集来自 omicsdi.org,聚焦乳腺癌来源小细胞外囊泡(sEVs)的磷酸化蛋白质组。研究以 MCF10A(非转移性)、MCF7(雌激素和孕激素受体阳性、转移性)和 MDA-MB-231(三阴性、高转移性)三种细胞系为模型,采用 IMAC 和 TiO2 富集磷酸肽并结合 LC-MS/MS 分

基本信息
资源简介
乳腺癌来源细胞外囊泡磷酸化蛋白质组分析揭示疾病特异性磷酸化酶
本数据集来自 omicsdi.org,聚焦乳腺癌来源小细胞外囊泡(sEVs)的磷酸化蛋白质组。研究以 MCF10A(非转移性)、MCF7(雌激素和孕激素受体阳性、转移性)和 MDA-MB-231(三阴性、高转移性)三种细胞系为模型,采用 IMAC 和 TiO2 富集磷酸肽并结合 LC-MS/MS 分析,共鉴定 2003 个磷酸肽,其中三种细胞系分别鉴定 207、854 和 1335 个。该数据可用于探索乳腺癌肿瘤进展与转移相关的分子和细胞调控机制,并支持疾病特异性磷酸化酶的分类研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):小膜来源的细胞外囊泡已被提出参与包括乳腺癌在内的多种癌症疾病。我们对乳腺癌来源的小细胞外囊泡(sEVs)进行了磷酸化蛋白质组分析,以深入了解对乳腺癌肿瘤进展和转移重要的分子和细胞调控机制。我们检测了 3 种细胞系作为乳腺癌模型:MCF10A(非转移性)、MCF7(雌激素和孕激素受体阳性、转移性)和 MDA-MB-231(三阴性、高转移性)。为了全面概览每种细胞系来源的 sEV 磷酸化蛋白质组,我们采用了有效的 IMAC 和 TiO2 磷酸肽富集技术,随后进行 LC-MS/MS。总共鉴定出 2003 个磷酸肽,其中在 MCF10A、MCF7 和 MDA-MB-231 细胞系中分别鉴定出 207、854 和 1335 个。这些 p
【主题与分类】
主题标签:small extracellular vesicles、Breast cancer、phosphoproteomics。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD030424
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/PXD030424
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
小膜源性细胞外囊泡被认为参与包括乳腺癌在内的多种癌症疾病。我们对乳腺癌来源的小细胞外囊泡(sEVs)进行了磷酸化蛋白质组学分析,以深入理解对乳腺癌肿瘤进展和转移具有重要意义的分子和细胞调控机制。我们检测了3种作为乳腺癌模型的细胞系:MCF10A(非转移性)、MCF7(雌激素和孕激素受体阳性,转移性)和MDA-MB-231(三阴性,高度转移性)。为全面了解各细胞系来源的sEV磷酸化蛋白质组,我们采用了IMAC和TiO2的有效磷酸肽富集技术,随后进行LC-MS/MS分析。总共鉴定出2003个磷酸肽,其中在MCF10A、MCF7和MDA-MB-231细胞系中分别鉴定出207、854和1335个。这些磷酸化位点映射到855种不同的蛋白质上,涵盖广泛的功能。这些蛋白质与大量疾病相关,其中最常见的疾病与癌症有关。
在已鉴定的磷酸化蛋白中,我们验证了四种与癌症相关的酶,它们仅存在于从MCF7和MDA-MB-231细胞系分离的sEVs中:ATP柠檬酸裂解酶(ACLY)、磷酸果糖激酶-M(PFKM)、Sirtuin-1(SIRT1)和Sirtuin-6(SIRT6)。除PFKM外,这些酶在MDA-MB-231中的特异性活性显著高于MCF10A来源的sEVs。本研究表明,sEVs含有功能性代谢酶,可进一步探索其在早期BC诊断和治疗应用中的潜力。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




