Dioscin处理宫颈癌细胞未裁剪Western blot图像数据集
该数据集收录了Dioscin或DMSO对照处理SiHa与MS751宫颈癌细胞后，用于蛋白表达分析的原始未裁剪Western blot图像，涵盖全部生物学重复，并在有条件的原始图像中保留分子量标记与处理泳道
基本信息
资源简介
Dioscin处理宫颈癌细胞未裁剪Western blot图像数据集
Uncropped Western blot images for Dioscin-treated cervical cancer cells
该数据集收录了Dioscin或DMSO对照处理SiHa与MS751宫颈癌细胞后，用于蛋白表达分析的原始未裁剪Western blot图像，涵盖全部生物学重复，并在有条件的原始图像中保留分子量标记与处理泳道。共30个TIF文件，文件命名包含凝胶编号、细胞系、处理条件、分子量范围、目标蛋白及重复编号等信息。数据可用于蛋白表达分析的图像存档、条带识别与定量方法开发，以及Dioscin作用机制研究中的结果复核（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-10-23。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含用Dioscin或DMSO对照处理的SiHa和MS751宫颈癌细胞中用于蛋白质表达分析的原始未裁剪Western blot图像。包含所有生物学重复的图像。在可用的原始图像中保留了分子量标记和处理泳道。
【数据结构与技术规格】
文件数 30 个，合计 246.43 MB。数据集 DOI：10.6084/m9.figshare.34754178.v1。
【主题与分类】
源站学科分类：Cell development, proliferation and death。主题标签：Cervical Cancer Cells Suppressor。本站分类：肿瘤/宫颈癌。
【适用方向】
源站学科分类标注为 Cell development, proliferation and death。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Uncropped_Western_blot_images_for_Dioscin-treated_cervical_cancer_cells/34754178
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Huang, Fang (2026). Uncropped Western blot images for Dioscin-treated cervical cancer cells. figshare. Dataset
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://doi.org/10.6084/m9.figshare.34754178
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:
数据集大小约 246.4 MB。
数据说明
该数据集包含用于蛋白质表达分析的原始未裁剪Western blot图像，所用细胞为经薯蓣皂苷或DMSO对照处理的SiHa和MS751宫颈癌细胞。数据集收录了所有生物学重复的图像。在原始图像中，凡有分子量标记和处理泳道之处均予以保留。
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。
