HIV-1感染免疫细胞旁分泌信号重编程宫颈癌通路
该数据集来自omicsdi.org,聚焦HIV-1感染免疫细胞旁分泌信号对宫颈癌通路的调控。研究将两名健康供者外周血单个核细胞富集白细胞单采产物分离的原代CD4+ T细胞,以复制型pNL4-3 HIV-1株感染或未感染72小时,用其分泌组刺激HPV阴性宫颈上皮细胞系C33A 72小时,随后收集细胞裂

基本信息
资源简介
HIV-1感染免疫细胞旁分泌信号重编程宫颈癌通路
该数据集来自omicsdi.org,聚焦HIV-1感染免疫细胞旁分泌信号对宫颈癌通路的调控。研究将两名健康供者外周血单个核细胞富集白细胞单采产物分离的原代CD4+ T细胞,以复制型pNL4-3 HIV-1株感染或未感染72小时,用其分泌组刺激HPV阴性宫颈上皮细胞系C33A 72小时,随后收集细胞裂解物进行全局定量质谱丰度蛋白质组学和磷酸化蛋白质组学分析。数据可用于探究HIV感染T细胞旁分泌信号如何重塑宫颈上皮细胞蛋白质组与磷酸化状态,涉及HPV相关宫颈癌、MAPK与PI3K信号及网络传播等主题(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):女性同时感染人乳头瘤病毒(HPV)和1型人类免疫缺陷病毒(HIV-1)后,患宫颈癌的风险比未感染HIV的女性高六倍。为评估HIV感染T细胞的旁分泌信号如何重塑培养中宫颈上皮细胞的蛋白质组,从两名健康供者的外周血单个核细胞富集白细胞单采产物(leukopaks)中分离原代CD4+ T细胞,用具有复制能力的pNL4-3 HIV-1株感染或未感染72小时。将CD4+ T细胞培养物的分泌组用于刺激人HPV阴性宫颈上皮细胞系C33A 72小时。然后收集C33A细胞,裂解物经消化后进行基于全局定量质谱(MS)的丰度蛋白质组学和磷酸化蛋白质组学分析。蛋白质组学和磷酸化蛋白质组学输出均使用bio进行分析
【主题与分类】
主题标签:Hpv-associated cervical cancer、Mapk and pi3k signaling、Network propagation。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD077909
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/PXD077909
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
人乳头瘤病毒(HPV)与1型人类免疫缺陷病毒(HIV-1)共感染的女性,其罹患宫颈癌的风险是未感染HIV女性的六倍。为评估HIV感染的T细胞旁分泌信号如何重塑培养中宫颈上皮细胞的蛋白质组,研究人员从两名健康供者的外周血单个核细胞富集白细胞单采产物(leukopaks)中分离出原代CD4+ T细胞,将其感染或未感染具有复制能力的pNL4-3 HIV-1毒株,培养72小时。随后,用CD4+ T细胞培养物的分泌组刺激人HPV阴性宫颈上皮细胞系C33A 72小时。之后收集C33A细胞,裂解细胞,消化细胞裂解物,并进行基于全局定量质谱(MS)的丰度蛋白质组学和磷酸化蛋白质组学分析。蛋白质组学和磷酸化蛋白质组学结果均采用生物信息学方法进行分析。这些数据集揭示了MAPK、PI3K-AKT和β-catenin信号通路中蛋白质表达的改变。此外,MS磷酸化蛋白质组学分析证实,暴露于HIV-1感染T细胞条件培养基的宫颈细胞中PI3K-AKT通路被激活。
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。




