整合蛋白质组学与代谢组学揭示宫颈癌盆腔淋巴结转移生物标志物及免疫特征

数据集获取

源站：https://doi.org/10.5281/zenodo.14552212

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

盆腔淋巴结转移(PLNM)显著影响宫颈癌(CC)的预后。然而，目前的影像学检查和血清鳞状细胞癌抗原(SCCA)检测不足以评估CC患者的盆腔淋巴结状态。为寻找准确的无创生物标志物以预测PLNM，从而尽量减少不必要的术后淋巴结清扫及其相关并发症，我们对124例CC患者的血浆进行了全面的蛋白质组学和代谢组学分析，并对52对配对组织样本进行了蛋白质组学分析。通过机器学习方法，我们识别出潜在的血浆生物标志物(TTR、MASP2、APOD和7α-羟基胆甾烯-3-酮)并构建了诊断模型。在验证队列中，该诊断模型联合SCCA表现出比SCCA(64.3%)和影像学检查(14.3%)更高的敏感性(72.4%)。血浆蛋白生物标志物在配对组织样本中得到了 consistent 验证。此外，免疫浸润分析表明，PLNM组中CD4和CD8 T细胞高度浸润，提示对免疫治疗的反应可能增强。

在此，我们建立了一个用于PLNM的生物标志物组合，并强调了与PLNM相关的免疫特征改变，为PLNM患者免疫治疗策略的开发提供了有价值的见解。

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。