定量蛋白质组学分析鉴定TUBB2A作为预测远处转移性乳腺癌的新型蛋白质生物标志物

数据集获取

源站：https://omicsdi.org/dataset/pride/PXD016061

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

乳腺癌转移至其他远处器官对患者是致命的。然而，少有研究揭示与远处转移性乳腺癌相关的生物标志物。此外，当前生物标志物如HER2、ER和PR无法准确区分远处转移性乳腺癌与非远处转移性乳腺癌，这就需要开发新型生物标志物。我们应用了一种整合蛋白质组学方法，该方法结合了滤膜辅助样品制备、串联质谱标签（TMT）标记、高pH分级分离和高分辨率质谱，以获取远处转移性乳腺癌FFPE组织的深度蛋白质组数据。使用差异表达蛋白（DEPs）进行基因本体论和信号通路的生物信息学分析，以探究远处转移性乳腺癌的分子特征。此外，进行实时聚合酶链反应（RT-PCR）和侵袭/迁移实验，以验证候选生物标志物的差异调控和功能能力。分别从混合样本集和单个样本集中鉴定出总计9,459和8,760种蛋白质。通过我们严格的标准，TUBB2A被选为一种新型生物标志物。随后验证了该候选标志物的转移功能。使用DEPs的生物信息学分析能够表征远处转移的整体分子特征，并研究乳腺癌亚型之间的差异。我们的研究首次利用FFPE组织探索远处转移性乳腺癌蛋白质组。我们数据集的深度使我们能够发现新型生物标志物并研究远处转移性乳腺癌的蛋白质组学特征。还观察到了乳腺癌亚型的独特分子特征。我们的蛋白质组数据具有重要实用价值，可作为远处转移性乳腺癌研究的宝贵资源。

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。